主要内容

Movemean.

移动意味着

页面上倒塌

句法

m = movmean（a，k）
m = movmean（a，[kb kf]）
m = movmean（___，暗淡）
m = movmean（___，nanflag）
m = movmean（___，名称，价值）

描述

例子

m = movmean（一种那K.）返回一系列本地K.-观点意思值，其中每个平均值在长度的滑动窗口上计算K.横跨邻近的元素一种。什么时候K.奇数是奇数，窗口以当前位置的元素为中心。什么时候K.甚至，窗口以当前和以前的元素为中心。当没有足够的元素来填充窗口时，窗口大小会自动截断。当窗口被截断时，平均只是填充填充窗口的元素。m与尺寸相同一种。

  • 如果一种是一个矢量，然后Movemean.沿着矢量的长度运行。

  • 如果一种那是一个多维数组Movemean.沿着第一个阵列维度运行，其大小不等于1。

例子

m = movmean（一种那[kb kf]）用长度窗口计算平均值kb + kf + 1包括当前位置中的元素，KB.元素向后，和克元素前进。

例子

m = movmean（___那暗淡）沿尺寸返回移动平均线数组暗淡对于任何先前的语法。例如，如果一种是一个矩阵，然后movmean（a，k，2）沿着列操作一种，计算这一点K.- 每行的单个滑动均值。

例子

m = movmean（___那nanflag.）指定是否包含或省略南来自以前的任何语法的计算值。Movmean（A，K，'IncludeNan'）包括所有南计算中的值movmean（a，k，'omitnan'）忽略它们并计算含量减少。

例子

m = movmean（___那名称，价值）使用一个或多个名称值对参数指定移动平均值的其他参数。例如，如果X那是时间值的矢量，然后movmean（a，k，'samplepoints'，x）计算相对于时间的移动平均线X。

例子

全部收缩

打开直播脚本

计算行向量的三点中心移动平均值。当端点上窗口中少于三个元素时，请将平均值的平均值取决于可用的元素。

a = [4 8 6 -1 -2 -3 -1 3 4 5];m = movmean（a，3）
m =1×106.0000 6.0000 4.3333 1.0000 -2.0000 -2.0000 -0.3333 2.0000 4.0000 4.5000
打开直播脚本

计算行向量的三点尾随移动平均值。当端点上窗口中少于三个元素时，请将平均值的平均值取决于可用的元素。

a = [4 8 6 -1 -2 -3 -1 3 4 5];m = movmean（a，[2 0]）
m =1×104.0000 6.0000 6.0000 4.3333 1.0000 -2.0000 -2.0000 -0.3333 2.0000 4.0000
打开直播脚本

计算每行矩阵的三点中心移动平均值。窗口从第一行开始，水平幻灯片到行的末尾，然后移动到第二行，等等。维度参数是两个，横跨列的窗口一种。

a = [4 8 6;-1 -2 -3;-1 3 4]
A =3×34 8 6 -1 -2 -3 -1 3 4
m = movmean（a，3,2）
m =3×36.0000 6.0000 7.0000 -1.5000 -2.0000 -2.5000 1.0000 2.0000 3.5000
打开直播脚本

计算包含两个的行向量的三点中心移动平均值南元素。

a = [4 8 nan -1 -2 -3 naN 3 4 5];m = movmean（a，3）
m =1×106.0000南纳NAN -2.0000南楠纳米4.0000 4.5000

重新计算平均值，但省略南价值观。什么时候Movemean.丢弃南元素，窗口中剩余元素占用平均值。

m = movmean（a，3，'omitnan'）
m =1×106.0000 6.0000 3.5000 -1.5000 -2.0000 -2.5000 0 3.5000 4.0000 4.5000
打开直播脚本

计算3小时​​中心的数据的移动平均值一种根据时间向量T.。

a = [4 8 6 -1 -2 -3];k =小时（3）;t = DateTime（2016,1,1,0,0,0,0,0,0）+小时（0：5）
t =1x6 DateTime.列1到3 01-Jan-2016 00:00:00 01-Jan-2016 01:00:00 01-Jan-2016 02:00:00列4到2016 01-Jan-2016 03:00:00 01-Jan-2016 04:00:00 01-Jan-2016 05:00:00
m = movmean（a，k，'samplepoints'，t）
m =1×6.6.0000 6.0000 4.3333 1.0000 -2.0000 -2.5000
打开直播脚本

计算行向量的三点中心移动平均值，但丢弃使用少于三个点的计算。换句话说，只返回从完整的三元窗口计算的平均值，丢弃端点计算。

a = [4 8 6 -1 -2 -3 -1 3 4 5];m = movmean（a，3，'终点'那'丢弃'）
m =1×8.6.0000 4.3333 1.0000 -2.0000 -2.0000 -0.3333 2.0000 4.0000

输入参数

全部收缩

输入数组，指定为向量，矩阵或多维数组。

数据类型：单身的|双倍的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|逻辑

窗口长度，指定为数字或持续时间标量。什么时候K.是一个正整数标量，中心平均值包括当前位置的元素加上周围邻居。例如，由长度三个窗口定义的三点平均值导致向量的以下计算一种：

数据类型：单身的|双倍的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|期间

定向窗口长度，指定为包含两个元素的数字或持续时间行向量。什么时候KB.和克是正整数标量，计算结束了kb + kf + 1元素。计算包括当前位置的元素，KB.当前位置之前的元素，和克当前位置后的元素。例如，由定向窗口定义的四点平均值[2 1]导致载体的以下计算一种：

数据类型：单身的|双倍的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|期间

维度运行，指定为正整数标量。如果没有指定值，则默认值是第一个数组维度，其大小不等于1。

尺寸暗淡表示维度Movemean.运行，即指定窗口幻灯片的方向。

考虑二维输入数组，一种。

  • 如果昏暗= 1， 然后movmean（a，k，1）从第一列开始，并在每行上垂直滑动。平均值计算过K.元素一次。然后它移动到第二列并重复计算。此过程继续，直到所有列耗尽。

  • 如果昏暗= 2， 然后movmean（a，k，2）从第一行开始，并在每列上水平拖动。平均值计算过K.元素一次。然后它移动到第二行并重复计算。此过程持续到所有行都耗尽。

数据类型：双倍的|单身的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64

南条件，指定为其中一个值：

  • 'IncludeNan'- 包括南计算均值时输入的值，导致南输出。

  • 'omitnan'- 忽略所有南输入中的值。如果仅包含窗口南那么值Movemean.回报南。

名称值对参数

指定可选的逗号分离对名称，价值论点。名称是参数名称和价值是相应的价值。名称必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen。

例子：m = movmean（a，k，'端点'，'fill'）

处理领先和尾随窗口的方法，指定为逗号分隔对组成'终点'和以下之一：

'终点'价值 描述
'收缩' 缩小输入端点附近的窗口大小，仅包括现有元素。
'丢弃' 当窗口与现有元素完全重叠时，请勿输出任何平均值。
'充满' 替换不存在的元素南。
数字或逻辑标量 用指定的数字或逻辑值替换不存在的元素。

数据类型：双倍的|单身的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|逻辑|char|细绳

计算平均值的采样点，指定为包括的逗号分隔对'samplepoints'和矢量。采样点代表数据的位置一种。样品点不需要均匀采样。默认情况下，采样点向量是[1 2 3 ...]。

移动窗口相对于样本点定义，必须对其进行排序并包含唯一元素。例如，如果T.是对应于输入数据的矢量时间，然后movmean（rand（1,10），3，'samplepoints'，t）有一个代表之间的时间间隔的窗口T（i）-1.5和T（i）+1.5。

当样本点向量具有数据类型时约会时间要么期间，然后移动窗口长度必须具有类型期间。

如果采样点是不均匀的间隔的'终点'指定名称 - 值对，然后其值必须是'收缩'。

数据类型：单身的|双倍的|INT8.|int16|INT32.|INT64.|uint8.|uint16|UINT32|UINT64|约会时间|期间

更多关于

全部收缩

意思

对于随机可变矢量一种由N.标量观察，平均值定义为

μ. = 1 N. σ. 一世 = 1 N. 一种 一世 。

扩展能力

C / C ++代码生成
使用MATLAB®Coder™生成C和C ++代码。

也可以看看

||||||

话题

在R2016A介绍

MATLAB文件

万博1manbetx

与Matlab引入深度学习

与Matlab引入深度学习

下载电子书