平滑值的演算法

A. 平滑指數計算公式是什麼

平滑指數法公式：St=aYt-1+(1-a)St-1。

指數平滑法實際上是一種特殊的加權移動平均法。其特點是：指數平滑法進一步加強了觀察期近期觀察值對預測值的作用，對不同時間的觀察值所賦予的權數不等，從而加大了近期觀察值的權數，使預測值能夠迅速反映市場實際的變化。權數之間按等比級數減少，此級數之首項為平滑常數a，公比為（1- a）。

示例

以某軟體公司A為例，給出2000-2005年的歷史銷售資料，將數據代入指數平滑模型，預測2006年的銷售額，作為銷售預算編制的基礎。

根據經驗判斷法，A公司2000-2005年銷售額時間序列波動很大，長期趨勢變化幅度較大，呈現明顯且迅速的上升趨勢，宜選擇較大的α值，可在0.5～0.8間選值，以使預測模型靈敏度高些，結合試演算法取0.5，0.6,0.8分別測試。經過第一次指數平滑後，數列散點圖呈現直線趨勢，故選用二次指數平滑法即可。

B. 數字信號測量中的平滑演算法怎麼算

其實最簡單的平滑演算法就是對之前的數據求一個平均值，即
y(t) = (y(t-n)+y(t-n+1)+...+y(t))/(n+1)
其實，這么做的理由很簡單，這相當於是一個n+1階的FIR濾波器，然後每個系數都是1/(n+1)。
說白了，就是一個低通濾波器，因此可以起到抑制毛刺等高頻信號的結果。
其實，我個人認為，如果你好好設計一個FIR濾波器，然後按照那個系數來進行調整，比這種方法去掉毛刺的效果好得多，你可以利用matlab的工具fdatool，有不懂可以繼續追問。

C. 線平滑的演算法實現都有哪些

線平滑的演算法實現都有二次指數平滑法求預測值，最小二乘法曲線擬合，5點3次平滑曲線，線平滑的演算法屬於數字幾何處理領域的問題，計算機圖形學和計算機輔助設計中，用多邊形網格可以表示復雜的三維實體。

線平滑的演算法中為了方便於在O(1)的時間內獲取點P的相鄰點與相鄰面，故需要提供輔助結構來存儲這些鄰接點面的信息。故用上面那個簡單的Mesh定義就不行了，應該將Mesh數據結構按如下方式定義，增加點鄰接信息的存儲，為實現這些，定義了PointAttachmentInfo結構和新的Mesh類。

還有一種實現的是拉普拉斯平滑，在前面的博客中，介紹了最為基礎的拉普拉斯平滑演算法的實現，簡單的拉普拉斯平滑演算法的原理是將每個頂點都移動到相鄰頂點的平均位置，即採用所謂傘狀運算元。

其具體的實現邏輯表述如下：初始化Mesh的鄰接點結構集，新建臨時點集，用來存儲點平滑後的位置，對所有Mesh中的頂點P，初始化臨時向量為零向量。

獲取P的鄰域點集Adj(P)，對所有領域點T，將其位置加到臨時向量里，臨時向量/=領域點集數，將臨時向量的位置存入臨時點集，對所有Mesh中的頂點P，將P的位置修改為臨時點集中對應點的位置。