求判断曲线趋势的算法

[xiaofeng54]

在程序中建有一个变量temp和一个数组float[]=new myarray[10]，在timer下，temp每秒更新一次值，myarray[9]=temp，然后

for(int i=0;i<=8;i++)
{
myarray[i]=myarray[i+1];
}

这样子数组myarray中就由temp最新的十个值所填充，
现在的问题就是如何才能判断出myarray中的10个值连成的曲线是一个逐渐上升然后下降的波峰，不知道有没有成熟的算法或者好的建议，希望大家帮助我！

例如数据为:2，2，2，3，5，8，9，7，8，6，4，2，1，1，则判断为产生了一个满足条件的曲线。


图示：
如何判断下面链接图中的波峰

http://images.google.com.hk/imglanding?q=C%23%20%E6%9B%B2%E7%BA%BF&imgurl=http://images.cnblogs.com/cnblogs_com/kenblove/Curve4.jpg&imgrefurl=http://www.cnblogs.com/lr21shiji/articles/590972.html&usg=__KPN11pLF38YlPWUfdce-jbofk4Y=&h=500&w=900&sz=35&hl=zh-CN&um=1&itbs=1&tbnid=T60oKSZalQTV2M:&tbnh=81&tbnw=146&prev=/images%3Fq%3DC%2523%2B%25E6%259B%25B2%25E7%25BA%25BF%26um%3D1%26hl%3Dzh-CN%26newwindow%3D1%26safe%3Dstrict%26client%3Daff-avalanche%26sa%3DN%26channel%3Dsearchbox%26tbs%3Disch:1&um=1&newwindow=1&safe=strict&client=aff-avalanche&sa=N&channel=searchbox&tbs=isch:1&start=9#tbnid=T60oKSZalQTV2M&start=13

[xiaowai0219]

可以用插值法求出下一个点的近似值，然后就可以判断了啊
求近似值的方法：

/*lagrange差值函数：pn(x)=Σ(Π(x-xi)/(xk-xi))yk*/

    for(k=0;k<n;k++)
	{
		temp=1;
		for(i=0;i<n;i++)
		{if(i==k)continue;
		temp=temp*(x-px[i])/(px[k]-px[i]);}
		lagrange=lagrange+py[k]*temp;
	}

[donkey301]

用这10个点去拟合一条抛物线方程：
y = a(x-b)^2 + c
如果拟合结果是a<0,而且b在[0,9]之间，那么可以认为有峰。而且你还可以用a来控制你的误差

[xiaofeng54]

[Quote=引用 5 楼 donkey301 的回复:]
用这10个点去拟合一条抛物线方程：
y = a(x-b)^2 + c
如果拟合结果是a<0,而且b在[0,9]之间，那么可以认为有峰。而且你还可以用a来控制你的误差
[/Quote]

这个看来不错，能给个具体的实现代码么？多谢！

[donkey301]

[Quote=引用 6 楼 xiaofeng54 的回复:]

引用 5 楼 donkey301 的回复:
用这10个点去拟合一条抛物线方程：
y = a(x-b)^2 + c
如果拟合结果是a<0,而且b在[0,9]之间，那么可以认为有峰。而且你还可以用a来控制你的误差


这个看来不错，能给个具体的实现代码么？多谢！
[/Quote]
主要的代码就是最小二乘法拟合。
你可以用这个库：
http://www.ics.forth.gr/~lourakis/levmar/
非常好用。

[xiaowai0219]

[Quote=引用 6 楼 xiaofeng54 的回复:]

引用 5 楼 donkey301 的回复:
用这10个点去拟合一条抛物线方程：
y = a(x-b)^2 + c
如果拟合结果是a<0,而且b在[0,9]之间，那么可以认为有峰。而且你还可以用a来控制你的误差


这个看来不错，能给个具体的实现代码么？多谢！
[/Quote]
我上面说的差值就可以拟合曲线的，知道相邻的两个点，曲线的大体趋势应该好判断吧。。。

[showjim]

第一点 myarray 应该做成循环链表，更新时间是O（1）的。
如果在更新的时候，再维护一个状态(当前结点的升降次数+升降状态)组合链表，应该只要取出第一个与最后一个状态比较就可以了。(说明：4位表示次数的话，次数差小于0则要+16)
不过看你的数据序列2，2，2，3，5，8，9，7，8，6，4，2，1，1，不是完全的逐渐上升然后下降。需要记录更详细的状态组合，如可忽略的小幅波动次数，甚至最大小幅波动值。

[showjim]

判断曲线趋势，这个不懂。估计得自己先总结一下需要提取的决定性特征

[xiaofeng54]

[Quote=引用 1 楼 xiaowai0219 的回复:]
可以用插值法求出下一个点的近似值，然后就可以判断了啊
求近似值的方法：

C/C++ code
/*lagrange差值函数：pn(x)=Σ(Π(x-xi)/(xk-xi))yk*/

for(k=0;k<n;k++)
{
temp=1;
for(i=0;i<n;i++)
{if(i==k)continue;
……
[/Quote]

这个是说先求出下一点的近似值，然后如果实际值超出近似值某一个范围则认为上升在么？