- 积分
- 38
- 贡献
-
- 精华
- 在线时间
- 小时
- 注册时间
- 2017-4-13
- 最后登录
- 1970-1-1
|
楼主 |
发表于 2017-4-18 22:12:32
|
显示全部楼层
程序如下
function [ FLAGS ] = BGSA( x,y,P0,L0 )
% [ FLAGS ] = BGSA( x,y,P0,L0 )
% x: 序列的x坐标(仅用于绘图,如果不使用则设置为[])
% y: 降雨量序列
% P0: 显著性水平门限值,低于此值的不再分割
% L0: 最小分割尺度,子段长度小于此值的不再分割
% FLAGS: 返回的逻辑向量与y大小相同,值为1表示相应的位置定位分割点
% 通过Bernaola-Galvan分割算法(BGSA)找出并绘制突变点及其最大密度间隔。
% 如何解释这个数字?
% 蓝色细曲线是原始序列; 而粗一个表示每个段中原始序列的间隔平均值t; 红色垂直线表示分割点所在的位置;阴影指示最大突变密度间隔。\
n = length(y);
if isempty(x)
x = 1:n;
end
FLAGS = zeros(1,n);
FLAGS(n) = 1;
% 通过标记1在FLAGS中找到分割点的位置。
num_sp = sum(FLAGS);
while 1
I = find(FLAGS==1);
numsp_bf = num_sp;
for k = 1:num_sp
if k==1
subx = x(1:I(k));
suby = y(1:I(k));
else
subx = x(I(k-1)+1:I(k));
suby = y(I(k-1)+1:I(k));
end
if length(subx)>L0
[ Xpos,PTmax ] = calc_TP( subx,suby );
if PTmax>=P0
FLAGS(x==min(Xpos)) = 1;
num_sp = num_sp+1;
end
end
end
if num_sp==numsp_bf
break
end
end
% 计算每个分割的平均序列。
for k = 1:num_sp
if k==1
my(1:I(k)) = mean(y(1:I(k)));
else
my(I(k-1)+1:I(k)) = mean(y(I(k-1)+1:I(k)));
end
end
% 调整一些不合理的突变点。
FLAGS(n) = 0;
for j = 2:n
if FLAGS(j)==1 && FLAGS(j-1)==1
FLAGS(j) = 0;
end
end
%return
figure
% 计算并找出最大突变密度的间隔。
NDT = L0;
for j = 1:n-NDT
n = sum(FLAGS(j:j+NDT));
eta(j) = n/NDT;
end
Ieta = find((eta==max(eta))+(eta~=0)==2);
% 影响间隔
ya = [(max(y)+1)*1.1 (max(y)+1)*1.1];
bv = (min(y)-1)*1.1;
xamin = x(Ieta);
xamax = x(Ieta+NDT);
if ~isempty(Ieta)
xa(1,:) = [xamin(1) xamax(1)];
kk = 1;
for l = 2:length(Ieta)
if xamax(l-1)>=xamin(l)
xa(kk,:) = [min(xa(kk,:)) xamax(l)];
else
kk = kk+1;
xa(kk,:) = [xamin(l) xamax(l)];
end
end
for l = 1:kk
area(xa(l,:),ya,bv,'LineStyle','none','FaceColor',[.6 .6 .6],'FaceAlpha',.6,'ShowBaseLine','off');
hold on
end
end
% 在分割点绘制曲线和垂直线。
plot(x,y,'color',[0 .447 .741]);
hold on
plot(x,my,'color',[0 .447 .741],'linewidth',2);
hold on
I = find(FLAGS==1);
for k = 1:sum(FLAGS)
plot([x(I(k)) x(I(k))],[bv max(ya)],'r-');
hold on
end
axis([min(x) max(x) (min(y)-1)*1.05 (max(y)+1)*1.05]);
title('Bernaola-Galvan Segmentation Algorithm')
end
function [ Xpos,PTmax ] = calc_TP( X,Y )
% 子函数计算统计量T,并找出与X系列对应的位置(Xpos)的Tmax,然后计算显着性检验的统计PTmax。
N = length(Y);
T = zeros(1,N);
for i=2:N-1
nl = length(Y(1:i));
nr = length(Y(i:N));
ml = mean(Y(1:i));
mr = mean(Y(i:N));
vl = var(Y(1:i));
vr = var(Y(i:N));
T(i) = abs((ml-mr)/sqrt(1/nl+1/nr)/sqrt(((nl-1)*vl+(nr-1)*vr)/...
(nl+nr-2)));
end
Tmax = max(T);
Xpos = X(T==Tmax);
gamma = 4.19*log(N)-11.54;
delta = .4;
v = N-2;
PTmax = (1-betainc(v/(v+Tmax^2),delta*v,delta))^gamma;
end |
|