算法找到相关的数据的特定特性而设定

Question

目前，我试图分析与MATLAB的大型数据集（40个000多个数据点）。这些数据集有很大程度的高频噪声，但幸运的是，与整体信号相比，噪声幅度相对较小。

基本上，我希望做的是找到在哪个数据集“踢了”的地步。通过踢起来，我的意思是，它的梯度在一个小区域显着变化。然而，我分析的这些信号受到“漂移”的影响，其中在“启动”点之前信号斜率本质上可能是负的，中性的或正的，然而，“踢”之前和之后的图的形状起“点一般是一样的。

例如：一个 “踢” 点会看起来像这样：

[1.25 2.5 3.75 5 7.5 12 21 36 49 64]

显然这是一个大规模的简化版本，但数据将沿着一条直线如曲线（上面的前5个数据点），然后它将遵循更类似指数的曲线（从点6开始）。

所以我一直在寻找实现一种机器类型的学习算法，借此我可以告诉matlab在哪里“踢起来”点以及数据的“形状”，其中出现一个踢出点，以便将来它可以准确定位“踢出”点。

进出口比较新的Matlab和机器都学习（如机器学习，甚至要去关于解决我的问题的最佳方式），我不知道我应该开始。我希望有人能指出我正确的方向，无论是matlab代码示例和/或一些初学者理论与编码实现。

Answer 1

我相信，ML是在这种情况下矫枉过正。如果数据呈直线状曲线，则意味着它的导数是常数，这意味着第二个数值为零。因此，通过两次使用diff来计算近似二阶导数，并找出它变得多于某个阈值的位置。该阈值应接近于零。

x = [ 1.25 2.5 3.75 5 7.5 12 21 36 49 64 ]; 
plot(diff(diff(x)));