给定一个值随时间变化的子区间,沿函数查找该模式的“类似实例”

一种相当简单的方法是将给定的模式作为一个窗口在数据中滑动,找到模式和模式下数据之间的差异。只有当形状总是相同的大小和形状时,这才是准确的。

演示。。

设置数据:

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0,200,200)
y = np.zeros_like(x)

def addpeak(pos, y): #clipped triangular peak centered at pos (10 high, 20 wide)
    y += np.array([np.clip(10-abs(pos-x), 0, 5) for x in xrange(len(y))])
    return y

y = addpeak(15,y)
y = addpeak(40,y)
y = addpeak(125, y)
y = addpeak(100, y)
y = addpeak(180, y)

plt.plot(x,y) #visualize data

然后取滑动窗口差

window = y[5:25] #first peak is sliding window

#you could take different difference formulas than simply linear
difference = np.array([sum(window-y[i:i+20]) for i in xrange(len(y)-20)]) 

plt.plot(x[:-20], difference) #note minimum difference might be offset based on window indexing
#pick your faviorite way to find local minima

你可以用这样的东西 numpy ( python numpy/scipy curve fitting )检查点以拟合区间[0,1]上的曲线。由此,您可以对x轴进行偏移,以查看曲线是否“适合”曲线的任何其他部分。

例如,从[1,2]开始,它将偏移:-1。如果没有上面的代码示例,很难精确地了解如何执行,但希望这有帮助。