好用的曲线平滑算法？

[LeeReamond]

联动上一贴:https://www.v2ex.com/t/866781

实际需求：搜峰。

衍生需求：根据楼里老哥回复，大概是需要对曲线进行平滑以后才好进行搜峰。但是通常来说的平滑算法，比如以一个 1*3 的[1,1,1]卷积核做平滑，感觉平滑效果上不是很好，另外如果要大量计算的话速度也需要考虑在内。请问有什么性能和效果都比较好的搜峰算法么？直接算邻域平均感觉太原始了，这么多年算法发展应该有更好的选择吧。。

[tcp]

可以参照 p5.js 的 peak detection

[secsilm]

tensorboard 的平滑算法，有一个平滑系数，可以搜一搜。之前我也挺感兴趣，后来忙的没再研究了。

[h272377502]

试试 EMA

[lingxipaofan]

单看你发的曲线，平滑度没啥问题，搜峰就行，找到合适阈值。真想做滤波，看看信号处理相关的。

[blueperson]

我觉得问题还是在于峰的定义. 以前我也碰到到跟你差不多的需求, X 光衍射图寻峰. 主要问题是, 你是想消除噪声, 还是找出所有的 local maximum. 如果要消除噪声, 就要先确定, 第一, 这个图像是有噪声的, 其次, 定义噪声类型. "消除噪声"后, 一般就平滑了. 然后再找局部极大值.

[qwq11]

两次 rolling mean 一般就够平滑了，就是你说的卷积
你说的峰值是极大值点？差分之后左右邻域异号，左正右负不就是了，你在这时候做 rolling mean 还更方便，时间上也就 o(n)，再把各个极大值点拿出来比较一下就出来了

[CFM880]

1.算术滑动平均法（平均移动法）
2.重心法
3.多项式最小二乘拟合法，
4.其他
离散函数褶积滑动变换法
傅里叶变换法

[necomancer]

1.试试其他卷积核，比如钟形窗
2.如果是分布数据，别用 histogram ，试试不同 bw 的 kde

[LeeReamond]

@necomancer 大佬，bw 不同的 kde 什么意思，看不懂

[necomancer]

@LeeReamond kernal density estimation ，你就简单理解是和 histogram 差不多的东西就行。我看你引用的帖子里是颜色分布，分布一般用 histogram 直方图，binsize 不一样结果差异很大。kde 也是用来求解分布的，只是他用一个核函数，histogram 可以粗略一点理解是用一个宽度是 binsize 的方波函数当 kernel ，kde 一般用 gauss 当核函数，相比 histogram 求出的分布本身就会更加的连续和平滑，bw 可以理解为 kernel 函数的“binsize”，具体你可以参考一下 scipy 的 gaussian_kde ，一般默认参数的输出结果就会很好。