線性算法是基於最小二乘法所計算的平滑算法,
具體可以參考這篇博客幾個簡單的數據點平滑處理算法_Ivan 的專欄-CSDN博客_數據平滑處理
其他的算法原文解釋是:
算法的原理很簡單,以五點三次平滑為例。取相鄰的5個數據點,可以擬合出一條3次曲線來,然后用3次曲線上相應的位置的數據值作為濾波后結果。簡單的說就是 Savitzky-Golay 濾波器 。
只不過Savitzky-Golay 濾波器並不特殊考慮邊界的幾個數據點,而這個算法還特意把邊上的幾個點的數據擬合結果給推導了出來。
我沒找到具體原公式...這一點很是遺憾,也不知道到底根據什么算的系數.
代碼不是C#的,但是很好改成C#。
我覺得線性的代碼就很不錯了,速度也很快。
迭代的次數最好是小於20次,不然就趨向於直線了,這個算法也許不一定適用所有的情況,時間序列應該是沒多大問題的。
這個數據是我截取某個股票的數據,數據點1200個,看得出平滑的效果還是不錯的
修改的代碼
private List<Point> linearSmooth5(List<Point> Data) { List<Point> restult = new List<Point>(); var count = Data.Count; if (count <= 5) { for (int i = 0; i <= count - 1; i++) { restult.Add(Data[i]); } } else { double y = (3.0 * Data[0].Y + 2.0 * Data[1].Y + Data[2].Y - Data[4].Y) / 5.0; restult.Add(new Point(Data[0].X, y)); y = (4.0 * Data[0].Y + 3.0 * Data[1].Y + 2 * Data[2].Y + Data[3].Y) / 10.0; restult.Add(new Point(Data[1].X, y)); for (int i = 2; i <= count - 3; i++) { y = (Data[i - 2].Y + Data[i - 1].Y + Data[i].Y + Data[i + 1].Y + Data[i + 2].Y) / 5.0; restult.Add(new Point(Data[i].X, y)); } y = (4.0 * Data[count - 1].Y + 3.0 * Data[count - 2].Y + 2 * Data[count - 3].Y + Data[count - 4].Y) / 10.0; restult.Add(new Point(Data[count - 2].X, y)); y = (3.0 * Data[count - 1].Y + 2.0 * Data[count - 2].Y + Data[count - 3].Y - Data[count - 5].Y) / 5.0; restult.Add(new Point(Data[count - 1].X, y)); } return restult; }