演算法中值
❶ 順序數據和數值型數據的中位數演算法為什麼不同
這個問題的中值演算法應該是重新排列，從小到大的數據。其中，N是樣本的30個樣品的數目。
是偶數則樣本中位數M = 1/2 [（X（15）+ X（15 1）]
這是M = 1/2 [X（30/2）+ X（ 30/2 +1）]
這背後是在X括弧標我說，他們不是來自上面，所以結果為M = 1/2（18 +18）= 18
明白了嗎？
位數計算主要排序，然後根據樣本的數目是奇數還是偶數，則公式代入公式來確定中值，可以發現
❷ 有哪些措施可以提高中值濾波演算法的速度
中值濾波法是一種非線性平滑技術，它將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值.
中值濾波是基於排序統計理論的一種能有效抑制雜訊的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的雜訊點。方法是用某種結構的二維滑動模板，將板內像素按照像素值的大小進行排序，生成單調上升（或下降）的為二維數據序列。二維中值濾波輸出為g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分別為原始圖像和處理後圖像。W為二維模板，通常為3*3，5*5區域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環形等。
❸ VC中值濾波快速演算法
unsigned char WINAPI GetMedianNum(unsigned char * bArray, int iFilterH,int iFilterW)
{
/* unsigned char m = mid(
mid(bArray[0],bArray[1],bArray[2]),
mid(bArray[3],bArray[4],bArray[5]),
mid(bArray[6],bArray[7],bArray[8]));
return m;*/
// 循環變數
int i;
int j;
int k;
// 中間變數
unsigned char bTemp;
int iFilterLen=iFilterH*iFilterW;
float average=0;//用於均值加速
//求均值
for (i=0;i<iFilterLen;i++)
{
average+=bArray[i];
}
average=average/iFilterLen;
unsigned char pixel_mid;
pixel_mid=bArray[(iFilterH-1)/2*iFilterW+(iFilterW-1)/2];//濾波窗口中心的取中值前的像素值
if (abs(average-pixel_mid)>10) //均值加速，其中「10」為原中值和均值之差，根據你的實際情況自行設置大小
//if(1) //不用均值加速時選此
{
//超快速中值法（本質就是偽中值法）
//行排列
if (0)
{
for (k = 0; k < iFilterH; k ++)
{
for (j = 0; j < iFilterH-1; j ++)
{
for (i = 0; i < iFilterW-1-j; i++)
{
number++;
if (bArray[i+iFilterH*k] > bArray[i+iFilterH*k+1])
{ // 互換
bTemp = bArray[i+iFilterH*k];
bArray[i+iFilterH*k] = bArray[i+iFilterH*k+1];
bArray[i+iFilterH*k+1] = bTemp;
}
}
還有什麼疑問，把郵箱發給我。
❹ 求寫一個中值記錄的演算法
語言是C++，演算法供參考
序列的"中值記錄"指的是：如果將此序列排序
後，它是第n/2個記錄。試寫一個求中值記錄的演算法。
KeyType MidElement(SqList &L)
{
int i,j,k;
int mid=(1+L.length)/2;
k=L.length;
if(k==0) return '#';
for(i=k-1;i>=1;i--)
if(L.r[i].key>L.r[i+1].key)
{L.r[k+1]=L.r[i];
L.r[i]=L.r[i+1];
for(j=i+1;L.r[k+1].key>L.r[j].key;++j) L.r[j-1]=L.r[j];
L.r[j-1]=L.r[k+1];
}
return L.r[mid].key;
}
❺ 怎麼計算中位值
中位值演算法：將所有數排序，然後取最中間的數，如果是偶數則取中間的兩個數然後除以2。
比如說有99個數字從小到大排列，排在第50的，就是這組數的中位數。這個數字的前面有49個數字，後面有49個數字，它正好排在最中間，就是中位數。
中位值---是將所給的一組數從小到大或從大到小排列，奇數個數的話取中間的數字，偶數個數的話取中間兩個數的平均數。
(5)演算法中值擴展閱讀
1、特點
中位數：與數據的排列位置有關，某些數據的變動對它沒有影響；它是一組數據中間位置上的代表值，不受數據極端值的影響。
2、作用
中位數：作為一組數據的代表，可靠性比較差，因為它只利用了部分數據。但當一組數據的個別數據偏大或偏小時，用中位數來描述該組數據的集中趨勢就比較合適。
❻ 中值如何算 1,2,2,3,4.。。中位數多少
把所有的數，從小到大排列，這組數是奇數的話，中間就是的數就是中位數，即2
假如1，2，2，3，3，4。這組數是偶數，取中間兩位數的平均值就是中位數，即（2+3）/2=2.5
❼ 中位數如何計算
一、如何計算
（1）首先要先排序（從小到大），然後計算中位數的序號，分數據為奇數個與偶數個兩種來求.
（2）中位數算出來可避免極端數據，代表著數據總體的中等情況。
（3）如果總數個數是奇數的話,按從小到大的順序,取中間的那個數
（4）如果總數個數是偶數個的話,按從小到大的順序,取中間那兩個數的平均數
二、拓展資料：
中位數（又稱中值，英語：Median），統計學中的專有名詞，代表一個樣本、種群或概率分布中的一個數值，其可將數值集合劃分為相等的上下兩部分。對於有限的數集，可以通過把所有觀察值高低排序後找出正中間的一個作為中位數。如果觀察值有偶數個，則中位數不唯一，通常取最中間的兩個數值的平均數作為中位數。
一個數集中最多有一半的數值小於中位數，也最多有一半的數值大於中位數。如果大於和小於中位數的數值個數均少於一半，那麽數集中必有若干值等同於中位數。
設連續隨機變數X的分布函數為F(X)，那麼滿足條件P(X≤m)=F(m)=1/2的數稱為X或分布F的中位數。
對於一組有限個數的數據來說，它們的中位數是這樣的一種數：這群數據里的一半的數據比它大，而另外一半數據比它小。 計算有限個數的數據的中位數的方法是：把所有的同類數據按照大小的順序排列。如果數據的個數是奇數，則中間那個數據就是這群數據的中位數；如果數據的個數是偶數，則中間那2個數據的算術平均值就是這群數據的中位數。
中位數中位數（Medians）統計學名詞，是指將統計總體當中的各個變數值按大小順序排列起來，形成一個數列，處於變數數列中間位置的變數值就稱為中位數，用Me表示。當變數值的項數N為奇數時，處於中間位置的變數值即為中位數；當N為偶數時，中位數則為處於中間位置的2個變數值的平均數。
❽ 直線K中值演算法
k
❾ 計算機 c++ 找中值演算法
#include"stdafx.h"
#include<iostream>
usingnamespacestd;
voidMiddle(intelem[],intn)
//先對數組冒泡排序，輸出中間值
{
for(inti=1;i<n;i++)
{
for(intj=0;j<n-1;j++)
{
if(elem[j]>elem[j+1])
{
swap(elem[j],elem[j+1]);
}
}
}
cout<<"中間值："<<elem[(n+1)/2]<<endl;//如果你要找中間值，應該輸出elem[n/2]
}
int_tmain(intargc,_TCHAR*argv[])
{
intelem[5]={2,4,1,3,5};
Middle(elem,5);
return0;
}