在 MATLAB 中使用簇查找定义的峰值答案

【问题标题】：Finding defined peaks with Clusters in MATLAB在 MATLAB 中使用簇查找定义的峰值
【发布时间】：2025-11-23 22:00:02
【问题描述】：

这是我的问题：

我有下一个数据“A”，看起来像：

如您所见，我用红色圆圈绘制了明显的峰，最定义的是 2 和 7，我说它们被定义是因为它的标准偏差与其他峰相比较低（尤其是第二个峰） .

我需要的是一种方法（无论如何）来获取数值数组中 n 个峰值的值和标准差。

我尝试过使用“集群”，但没有得到好的结果：

首先，我使用了“kmeans”MATLAB 函数，我意识到这个算法并没有按照我的需要对峰进行分组。正如您在上图中看到的，在红色圆圈中，该集群的峰值少于 3 或 4 个。而kmeans需要你设置簇数，我需要自动识别。

希望有人能给我一些想法，或者获得更好结果的方法，谢谢。

Pd：我将数据“A”留在下一个链接中。

【问题讨论】：

您发布的数据只有一个峰，其标准差相对您显示的更高
抱歉，我已将文件更改为正确的文件。
对您的数据运行这些命令：[pks,locs]=findpeaks(A(:,2),'threshold',0.15); scatter(A(:,1),A(:,2)) hold on; scatter(A(locs,1),A(locs,2),'ro','filled') 如您所见，它们绝不是完美的峰值，而是开始聚类的好点。我把这些点拿来给 kmeans 作为起点，但结果更糟。

【解决方案1】：

问题是你的坐标轴有非常不同的含义。

K-means 优化方差。但是 X 的方差与 Y 的方差完全不同，不是吗？此外，这些方法中的每一个都会将您的数据拆分为 X 和 Y，而我假设您希望数据仅在 X 轴上进行分区。

我建议如下：将 Y 轴视为权重，将 X 轴视为位置。

然后执行加权密度估计，并寻找低密度来分离您的集群。

我无法帮助您使用 MATLAB。我没用过。

在数学上，您要做的是在每个点放置一个高斯，面积为 Y，中心为 X。然后找到这些高斯和的最小值和最大值。详情见Wikipedia, Kernel Density Estimation；除了您想使用 Y 轴作为权重。如果您不想使用权重，也可以使用 1/Y 作为标准差。

【讨论】：