算法中值

❶ 顺序数据和数值型数据的中位数算法为什么不同

这个问题的中值算法应该是重新排列，从小到大的数据。其中，N是样本的30个样品的数目。
是偶数则样本中位数M = 1/2 [（X（15）+ X（15 1）]
这是M = 1/2 [X（30/2）+ X（ 30/2 +1）]
这背后是在X括号标我说，他们不是来自上面，所以结果为M = 1/2（18 +18）= 18
明白了吗？
位数计算主要排序，然后根据样本的数目是奇数还是偶数，则公式代入公式来确定中值，可以发现

❷ 有哪些措施可以提高中值滤波算法的速度

中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.
中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。

❸ VC中值滤波快速算法

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;*/
// 循环变量
int i;
int j;
int k;
// 中间变量
unsigned char bTemp;
int iFilterLen=iFilterH*iFilterW;
float average=0;//用于均值加速
//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];//滤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”为原中值和均值之差，根据你的实际情况自行设置大小
//if(1) //不用均值加速时选此
{
//超快速中值法（本质就是伪中值法）
//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])
{ // 互换
bTemp = bArray[i+iFilterH*k];
bArray[i+iFilterH*k] = bArray[i+iFilterH*k+1];
bArray[i+iFilterH*k+1] = bTemp;
}
}

还有什么疑问，把邮箱发给我。

❹ 求写一个中值记录的算法

语言是C++，算法供参考
序列的"中值记录"指的是：如果将此序列排序
后，它是第n/2个记录。试写一个求中值记录的算法。

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 怎么计算中位值

中位值算法：将所有数排序，然后取最中间的数，如果是偶数则取中间的两个数然后除以2。

比如说有99个数字从小到大排列，排在第50的，就是这组数的中位数。这个数字的前面有49个数字，后面有49个数字，它正好排在最中间，就是中位数。

中位值---是将所给的一组数从小到大或从大到小排列，奇数个数的话取中间的数字，偶数个数的话取中间两个数的平均数。

(5)算法中值扩展阅读

1、特点

中位数：与数据的排列位置有关，某些数据的变动对它没有影响；它是一组数据中间位置上的代表值，不受数据极端值的影响。

2、作用

中位数：作为一组数据的代表，可靠性比较差，因为它只利用了部分数据。但当一组数据的个别数据偏大或偏小时，用中位数来描述该组数据的集中趋势就比较合适。

❻ 中值如何算 1,2,2,3,4.。。中位数多少

把所有的数，从小到大排列，这组数是奇数的话，中间就是的数就是中位数，即2
假如1，2，2，3，3，4。这组数是偶数，取中间两位数的平均值就是中位数，即（2+3）/2=2.5

❼ 中位数如何计算

一、如何计算

（1）首先要先排序（从小到大），然后计算中位数的序号，分数据为奇数个与偶数个两种来求.
（2）中位数算出来可避免极端数据，代表着数据总体的中等情况。
（3）如果总数个数是奇数的话,按从小到大的顺序,取中间的那个数
（4）如果总数个数是偶数个的话,按从小到大的顺序,取中间那两个数的平均数

二、拓展资料：

中位数（又称中值，英语：Median），统计学中的专有名词，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。对于有限的数集，可以通过把所有观察值高低排序后找出正中间的一个作为中位数。如果观察值有偶数个，则中位数不唯一，通常取最中间的两个数值的平均数作为中位数。

一个数集中最多有一半的数值小于中位数，也最多有一半的数值大于中位数。如果大于和小于中位数的数值个数均少于一半，那麽数集中必有若干值等同于中位数。

设连续随机变量X的分布函数为F(X)，那么满足条件P(X≤m)=F(m)=1/2的数称为X或分布F的中位数。

对于一组有限个数的数据来说，它们的中位数是这样的一种数：这群数据里的一半的数据比它大，而另外一半数据比它小。 计算有限个数的数据的中位数的方法是：把所有的同类数据按照大小的顺序排列。如果数据的个数是奇数，则中间那个数据就是这群数据的中位数；如果数据的个数是偶数，则中间那2个数据的算术平均值就是这群数据的中位数。

中位数中位数（Medians）统计学名词，是指将统计总体当中的各个变量值按大小顺序排列起来，形成一个数列，处于变量数列中间位置的变量值就称为中位数，用Me表示。当变量值的项数N为奇数时，处于中间位置的变量值即为中位数；当N为偶数时，中位数则为处于中间位置的2个变量值的平均数。

❽ 直线K中值算法

k

❾ 计算机 c++ 找中值算法

#include"stdafx.h"
#include<iostream>
usingnamespacestd;

voidMiddle(intelem[],intn)
	//先对数组冒泡排序，输出中间值
{
	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<<"中间值："<<elem[(n+1)/2]<<endl;//如果你要找中间值，应该输出elem[n/2]
}
int_tmain(intargc,_TCHAR*argv[])
{
	intelem[5]={2,4,1,3,5};
	Middle(elem,5);
	return0;
}