Fourier分析入门——第10章——直接数据分析

解析数论基础:Fourier积分与Fourier变换 解析数论基础:Fourier积分与Fourier变换 1.背景介绍 Fourier积分与Fourier变换是现代数学和工程学中不可或缺的工具。它们在信号处理、图像处理、数据分析、量子物理等领域有着广泛的应用。Fourier变换通过将复杂的信号分解为不同频率的正弦波和余弦波 阅读详情

目录

第10章 直接数据分析

10.1 引言

10.2 均值的方向和集中度(Mean direction and concentration about the mean)

10.3 假设检验(Hypothesis testing)

10.4 分组数据(Grouped data)及其与Fourier的关联

10.4.1 分组数据

10.4.2 分组数据与Fourier的关联

10.5 高次谐波(Higher harmonics)


第10章 直接数据分析

10.1 引言

在前面的章节中,我们将数据向量设想为有序的数字列表。我们已经看到,无论这些数字是实数值(即标量)还是复数值(即二维向量),Fourier分析的方法同样适用。 在本章中,我们特别关注介于实数值和复数值之间的一类数据。这些是二维向量,向量的幅度部分对其没有意义或益处。 换句话说,我们希望检查只有方向重要的数据。 一些示例是视觉对象的运动感知(perceived)方向、视网膜神经节细胞(retinal ganglion cells)的首选方向以及视觉诱发的皮层电位(cortical potential)的电偶极子(electric dipole)发生器的轴。

一个独立的统计学分支已经发展到处理生物学(biology)、地质学(geology)和生理学(physiology)等不同领域的定向数据。方向数据与其他单变量数据之间的主要区别在于,方向数据绘制在圆上而不是实线上。因此,方向数据是周期性的,且因为如此,为计算数据的集中趋势(central tendency)和离散度(dispersion)的简单度量而设计的公式与Fourier分析的公式有着惊人的相似之处。这种相似性允许方向数据分析的Fourier解释揭示了这两种不同数据分析方法之间的密切关系。

10.2 均值的方向和集中度(Mean direction and concentration about the mean)

考虑求得两个罗盘(compass)读数的平均值的问题:5°和 355°。 由于这两个方向都非常接近偏北方向,因此平均值也应该偏北。但是,这两个值的算术平均值为 180°,即正南。 此外,这两个数字的标准偏差为 175°,对于几乎相同的两个方向而言,这远远大于合理值。显然,如果我们要获得合理的结果,就需要一种不同的方法来计算方向数据的均值和分布。 Batschelet (1972) 和 Mardia (1972) 设计的方法如下图 10.1 所示。 这个想法是将各个方向视为单位向量与水平面所成的角度,可以将其视为复平面中的单位相量。 现在假设这些数据 U_i 根据向量加法(或复数求和)的普通规则求和,并将结果除以数据点的数量,根据等式 

\mathsf{B} = \frac{1}{n}\sum_{i=1}^{n}U_i -------------------------------------------------------------------------------------[10.1]

其中,U_i 是第 n 个单位向量,n 是求向的向量数目,且 B 是向量和的归一化结果。在所示的特定示例中,B 是水平方向上长度为 0.996 的向量。 因此,B 的方向是定义平均方向的明显选择,而 B 的长度提供了所有数据向量指向同一方向的程度的合理度量。 如果初始假设是方向随机分布在圆周上,则向量 B 将成为衡量数据偏向特定方向的程度的有用度量。 由于这个原因,B 被称为“偏量向量(bias vector)”(Thibos & Levick,1985)。请注意,如果两个向量指向相反的方向,B 的长度将为零,如果两个向量指向相同的方向,则 B 的长度为 1。一般而言,无论平均方向的数量如何,偏置向量 B 的长度都在范围为 0.0(随机方向)到 1.0(所有方向相同)的方便尺度上提供了关于平均值的数据集中度的度量。 

 

----------------------------------------------图10.1 方向数据分析-------------------------------------------------

10.3 假设检验(Hypothesis testing)

Greenwood & Durand (1955) 设计了 B = 0 零假设的统计检验,称为Rayleigh检验。 Raleigh 统计量 z 是

z = n|\mathsf{B}|^2-------------------------------------------------------------------------------------[10.2]

其中 n 是样本中的方向数,|B| 是偏置向量的长度。 如果 z 的值超过 Greenwood & Durand (1955) 表 2 中列出的临界值,则零假设将被拒绝,而备择假设即方向不是随机分布的。

10.4 分组数据(Grouped data)及其与Fourier的关联

10.4.1 分组数据

假设为了将数据分组到图 10.2 中所示的箱(bins)中,将圆细分为大小相等的 D 个扇区。假如在第i个箱的圆心方向的单位向量被分配给 U_i ,并且,假设 n_i 数据落入这个箱中,则那组数据可以用分组数据表示为

V_i = n_i U_i -----------------------------------------------------------------------------------[10.3]

按照这种约定,数据点的总数 n 等于组向量的长度之和

n = \sum_{i=1}^{D}V_i ------------------------------------------------------------------------------[10.4]

则,偏置向量计算为分级向量的平均值

B = \frac{1}{n}\sum_{i=1}^{D}V_i 

= \frac{\sum_{}^{}V_i}{\sum_{}^{}|V_i |} --------------------------------------------------------------------------------------[10.5]

图 10.2 中所示的数据列于表 10.1 中,其中记录了偏置向量 B = (1/3, -1/3) 的计算。 从这个结果我们得出结论,这些数据的平均方向是沿着将 \mathsf{U}_1组 和 \mathsf{U}_4组 分开的-45度轴方向。 B 的长度 = \frac{\sqrt{2}}{3} = 0.47 ,Rayleigh 的统计量为 z = 6 \times (\sqrt{2}/3)^2 = 6 × 2/9 = 1.333 。该值小于表格中的临界值 2.86( 5% 水平),因此不能拒绝数据围绕圆均匀分布的零假设。

 

-----------------------------------图10.2 分组数据分析--------------------------------------------

10.4.2 分组数据与Fourier的关联

    为了通过等式[10.5]计算偏置向量B 。首先需要将每个群向量从极坐标形式转换为矩形形式,然后分别对这些正交分量求和。 因此,偏置向量的 𝗑 分量和 𝗒 分量分别由下式给出

B_x = \frac{1}{n}\sum_{j=1}^{D}|V_j |cos(\theta_j)

B_y = \frac{1}{n}\sum_{j=1}^{D}|V_j |sin(\theta_j)----------------------------------------------------------------------[10.6]

其中,D 是分组向量数。这些表达式也称为 |V_j| 的第一三角矩(trigonometrical moments),且它们与通过将图 10.2 的数据重新绘制为如图 10.3 所示的出现频率直方图(a frequency-of-occurrence histogram)而获得的离散数据函数的Fourier系数计算惊人地相似。

 

--------------------------------图 10.3 分组数据直方图-----------------------------------------

为了更清楚地理解偏置向量和Fourier系数 a_1 和 b_1 之间的关系,我们重新调整等式[10.6]为如下形式

B_x = \frac{1}{n}\sum_{j=1}^{D}|V_j |cos(\theta_j)

= \frac{D}{2n}[\frac{2}{D}\sum_{j=1}^{D}|V_j |cos(\theta_j)]

= \frac{D}{2n}a_1 ------------------------------------------------------------------------------------[10.7]

B_y = \frac{D}{2n}b_1 -------------------------------------------------------------------------------[10.8]

将这些结果简化,我们注意到 \frac{D}{2n}=a_0 ,因此

B_x = \frac{a_1}{a_0 }

B_y = \frac{b_1}{a_0 } -----------------------------------------------------------------------------------[10.9]

据此,我们推导出

|\mathsf{B}| = \sqrt{B_x^2+B_y^2} 

= \frac{1}{a_0}\sqrt{a_1^2+b_1^2}

=\frac{m_1}{a_0} ---------------------------------------------------------------------------------------[10.9]

以极坐标形式解释此结果,我们看到分组方向数据中的偏置量等于直方图模型的基本Fourier分量调制(modulation)的一半 

|\mathsf{B}| = \frac{m_1}{a_0 } = \frac{1}{2} \frac{magnitude}{mean} = \frac{modulation}{2} ------------------------------------------[10.10]

此外,均值方向等于基本分量的相位

arg(\mathsf{B}) = \mathsf{tan}^{-1}(\frac{b_1}{a_1}) = phase (译注:arg = average)--------------------[10.11]

总之,我们发现偏置向量(也称为第一个三角矩)的长度等于模型的基本Fourier分量调制的一半,以适应频率直方图。 通过同样的推理,可以证明第 k 个三角矩

M_x = \frac{1}{n}\sum_{j=1}^{D}|V_j |cos(k\theta_j)

M_y = \frac{1}{n}\sum_{j=1}^{D}|V_j |sin(k\theta_j) ------------------------------------------------------[10.12]

也等于第 k 次谐波调制的一半。

10.5 高次谐波(Higher harmonics)

前面的讨论假定方向跨越 0-360 度的范围。 但是,如果考虑其他范围,则可以扩展这些方法应用的实用性。 例如,线的方向限制在 0-180 度范围内,因为 190°方向与 10° 方向相同。 这种情况可以视为数据沿圆周的周期性。 在方向测量的情况下,周期性是二次谐波,因此 k = 2。 某些其他度量可能会沿单位圆重复三次,在这种情况下 k = 3,依此类推。为了在方向数据分析中处理这些高次谐波,通常的方法是通过将所有角度乘以预期的谐波数 k 来计算第 k 个三角矩,如等式 [10.12] 所示。然后,我们继续进行上述标准形式的分析,以获得平均角度 = arg(M)。 在将结果解释为平均方向之前,必须将该计算出的平均角度除以 k 。

二次谐波分布的示例如图 10.4 所示,其中被分析的量可能是眼睛的散光轴或暴风雨期间与船桅垂直方向的角度。 按照惯例,坐标轴介于 0 到 180 度之间,此示例显示集中在 0 = 180 度附近。

二次谐波分布的示例如图 10.4 所示,其中被分析的量可能是眼睛的散光轴或暴风雨期间与船桅垂直方向的角度。按照惯例,坐标轴介于 0 到 180 度之间,此示例显示集中在 0 = 180 度附近。

 

--------------------------------图10.4 轴数据200个值的分布-------------------------------------

为了计算偏置向量 B,我们首先将所有轴值加倍,如图 10.5 所示,然后应用等式 [10.1]。 以复数表示的结果为 0.93 + 0.03i,其中双轴图的平均方向 = 1°,浓度 = 0.93。 因此,平均轴为 1/2 度,这在直觉上是令人满意的。

 

--------------------------------图10.5 轴数据200个值的分布----------------------------------------

内容来源:

<< Fourier Analysis for Beginners>> Larry N. Thibos

 

Android双目摄像头(RGB+IR)实时预览与人脸活体检测实战指南 本文详细介绍了Android双目摄像头(RGB+IR)实时预览与人脸活体检测的实战指南。通过双摄同步预览、人脸检测与活体判断等技术实现,提升安全认证的准确性和鲁棒性。文章还提供了开发环境搭建、常见问题解决方案及性能优化建议,帮助开发者快速掌握双目摄像头在Android平台的应用。 阅读详情

相关推荐

【Ablation Studies 理解】深度学习模型组件的对比实验/性能分析

Ablation Study 用于检测深度学习/机器学习模型中各部分构件对于整体的重要性。 可以理解为为:组件\tricks重要性测试、组件性能系统性分析、控制变量法、组件去除对比实验、性能敏感性测试、性能因子分析等 Ablation Studies 一些新颖的深度学习模型在论文中都会进行AblationStudy,这部分的主要意义在于系统性的移除模型中的各种组件/trick等因子或者是创新的...

TomRen 4590

Fourier分析导论——第5章——实数据R上的Fourier变换(E.M. Stein & R. Shakarchi)

实数据R上的Fourier变换

ComputerInBook的专栏 1865

OpenCFD-SCU从编译到实战:用GPU加速超声速流动模拟(含Tecplot后处理教程)

本文详细介绍了OpenCFD-SCU从源码编译到GPU加速超声速流动模拟的全流程,包括环境准备、源码编译、24度压缩折角案例实战及Tecplot后处理教程。通过对比测试展示了GPU加速带来的显著性能提升,为计算流体力学研究提供了高效解决方案。

weixin_29281941的博客 379

智能信息处理(三)

信息与知识 Information and Knowledge 1.数据与数据类型 数据 属性 数据集 2.数据的统计特征 又称为汇总统计,用单个数或数的小集合来捕获大的数据集的各种属性特征 2.1 中心趋势度量(Central Tendency) 算术均值(mean) 加权算术均值(weighted arithmetic mean) 截断均值(Trimmed mean):指定0和100间的百分位数p,丢弃高端和低端(p/2)% 的数据,然后用常规方法计算均值,所得的结果即是截断均值。 中位数(med

Eddy_dggp的博客 317

戴尔PowerEdge服务器R450 RAID配置步骤

戴尔PowerEdge服务器R450 RAID配置步骤

且听风呤tmj的博客 6913

信息隐藏 数字图像空域隐写与分析技术的实现

【代码】信息隐藏 数字图像空域隐写与分析技术的实现。

Yungoal的博客 470

pyspark入门系列 - 07 pyspark.sql.GroupedData函数汇总

本节来学习pyspark.sql中的Grouped_Data类型的函数。博客中代码基于spark 2.4.4版本。不同版本函数会有不同,详细请参考官方文档。博客案例中用到的数据可以点击此处下载(提取码:h6gg) GroupedData(jgd,df) 是由DataFrame.groupBy()创建的一组在DataFrame上聚合的方法 from pyspark.sql import SparkSession import pyspark.sql.types as typ spark = SparkSe

qq_34615112的博客 2418

UFS软件分区介绍

本文主要介绍了ufs软件分区管理的概况,能够使大家对软件分区有个大体的认识

肥匪斐's blogs 1万+

pyspark.sql.GroupedData

文章目录

qq_40176087的博客 1884

[网络安全自学篇] 七十三.WannaCry勒索病毒复现及分析(四)蠕虫传播机制全网源码详细解读

这是作者网络安全自学教程系列,主要是关于安全工具和实践操作的在线笔记,特分享出来与博友们学习,希望您喜欢,一起进步。前文分享了逆向分析OllyDbg动态调试工具的基本用法,包括界面介绍、常用快捷键和TraceMe案例分析。这篇文章将继续详细讲解WannaCry蠕虫的传播机制,带领大家详细阅读源代码,分享WannaCry勒索病毒是如何传播感染的。作者分析该病毒一个月,一方面觉得自己技术菜,另一方面深知系统安全需要坚持,继续加油。希望文章对您有所帮助~

杨秀璋的专栏 1万+

基于互联网的智能旧衣回收箱设计与实现

本文介绍了基于嵌入式系统的智能旧衣回收箱的设计与实现,涵盖了硬件设计、软件开发、图像识别、物联网连接等方面的内容。通过利用最新的技术,如图像识别、物联网和云计算,实现了智能、便捷的旧衣物回收系统。未来,随着技术的不断进步,智能回收系统将会在环保领域发挥更大的作用。

2201_76125393的博客 910

《统计学》笔记:第3章 数据的图表表示

《统计学(第六版)》贾俊平 第3章 数据的图表展示 原始数据 raw data 原始数据即为通过调查取得的未经处理的数据。 数据筛选 data filter 数据筛选是根据需要找出符合特定条件的某类数据。 频数 frequency 频数是落在某一特定类别或组中的数据个数。 频数分布 frequency distribution 把各个类别及落在其中的相应频数全部列出,并用表格形式表现出来,称为频数分布。 列联表 contingency table 由两个或两个以上变量交叉分类的频数分布表也称为列联表。 交叉

长行 3877

AI游戏制作07——波次计时器,敌人按波次生成

AI游戏制作07——波次计时器,敌人按波次生成

qq_40572023的博客 49

Fourier分析入门——第3章——离散函数的Fourier分析

离散函数的Fourier分析

ComputerInBook的专栏 1599

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

Fourier分析入门——第14章——Fourier光学

Fourier光学

ComputerInBook的专栏 4946

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

Fourier分析入门——第11章——Fourier变换

Fourier变换

ComputerInBook的专栏 1931

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

Fourier分析入门——第9章——Fourier系数的假设检测

Fourier系数的假设检测

ComputerInBook的专栏 1195

Fourier分析导论——第7章——有限Fourier分析(E.M. Stein & R. Shakarchi)

有限Fourier分析

ComputerInBook的专栏 2431

Fourier分析入门——第6章——连续函数的Fourier分析

连续函数的Fourier分析

ComputerInBook的专栏 929

Fourier分析入门——第1章——数学预备知识

学习Fourier分析的数学预备知识

ComputerInBook的专栏 1592

Fourier分析入门——第12章——Fourier变换的性质

Fourier变换的性质

ComputerInBook的专栏 1444

Fourier分析入门——第8章——Fourier系数的统计描述

Fourier系数的统计描述

ComputerInBook的专栏 1134

Fourier分析入门——第4章——频率域

Fourier分析之频率域分析

ComputerInBook的专栏 1269

Fourier分析入门——第5章——连续函数

连续函数

ComputerInBook的专栏 990

Fourier分析导论——第1章——Fourier分析的起源(E.M. Stein & R. Shakarchi)

Fourier分析的起源

ComputerInBook的专栏 2266

Fourier分析入门——第7章——采样理论

采样理论

ComputerInBook的专栏 1165
上一篇: Fourier分析入门——第9章——Fourier系数的假设检测
下一篇: Fourier分析入门——第11章——Fourier变换
ComputerInBook
博客等级 码龄19年 1168粉丝 465原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值