什麼是噪聲數據?

General 更新 2024-11-13

什麼是數據噪聲？（數據庫裡的名詞）

簡單來說，數據噪聲指在一組數據中無法解釋的數據變動，就是一些不和其他數據相一致的數據。

它的英文定義是這樣的： statistical noise is a term that refers to the unexplained variation or randomness that is found within a given data sample or formula.

www.wisegeek.com/what-is-statistical-noise.htm

統計學中的問題，什麼叫數據有噪音？如何處理？

就是指數據傳輸過程中周圍各種干擾對數據產生的影響，這種干擾就叫噪音，用示波器可以看到，數字和模擬電路都會出現的，數據轉輸線路對這個是很敏感的

matlab 可以用卷積，利用卷積的平滑原理命令是conv比如數據是a,b=ones(1,20);%這裡的20可以視情況而定c=conv(a,b);c([1:10,end:-1:end-8])=[]得到的c長度比a大(20-1),需要去掉,前面去10個

不知道對不對，就是幫你找了下，希望對你有幫助~

噪聲監測的數據是什麼

噪聲監測

噪聲的常用監測指標包括：噪聲的強度，即聲場中的聲壓；噪聲的特徵，即聲壓的各種頻率組成成分。噪聲測量儀器主要有：聲級計、頻率分析儀、實時分析儀、聲強分析儀、噪聲級分析儀、噪聲劑量計、自動記錄儀、磁帶記錄儀。

噪聲的監測指標

噪聲的常用監測指標包括：噪聲的強度，即聲場中的聲壓；噪聲的特徵，即聲壓的各種頻率組成成分。

參考資料：百度百科 baike.baidu.com/view/3262364.htm

對原始數據進行空缺值填補，消除噪聲數據操作是在以下哪個步驟的任務

1.原始數據存在的幾個問題：不一致；重複；含噪聲；維度高。

2.數據預處理包含數據清洗、數據集成、數據變換和數據歸約幾種方法。

3.數據挖掘中使用的數據的原則

應該是從原始數據中選取合適的屬性作為數據挖掘屬性，這個選取過程應參考的原則是：儘可能賦予屬性名和屬性值明確的含義；統一多數據源的屬性值編碼；去除惟一屬性；去除重複性；去除可忽略字段；合理選擇關聯字段。

4.處理空缺值的方法：忽略該記錄；去掉屬性；手工填寫空缺值；使用默認值；使用屬性平均值；使用同類樣本平均值；預測最可能的值。

5.噪聲數據的處理方法：分箱；聚類；計算機和人工檢查結合；迴歸

6.分箱：分箱方法是一種簡單常用的預處理方法，通過考察相鄰數據來確定最終值。所謂“分箱”，實際上就是按照屬性值劃分的子區間，如果一個屬性值處於某個子區間範圍內，就稱把該屬性值放進這個子區間所代表的“箱子”內。把待處理的數據（某列屬性值）按照一定的規則放進一些箱子中，考察每一個箱子中的數據，採用某種方法分別對各個箱子中的數據進行處理。在採用分箱技術時，需要確定的兩個主要問題就是：如何分箱以及如何對每個箱子中的數據進行平滑處理。

分箱的方法：有4種：等深分箱法、等寬分箱法、最小熵法和用戶自定義區間法。

統一權重，也成等深分箱法，將數據集按記錄行數分箱，每箱具有相同的記錄數，每箱記錄數稱為箱子的深度。這是最簡單的一種分箱方法。

統一區間，也稱等寬分箱法，使數據集在整個屬性值的區間上平均分佈，即每個箱的區間範圍是一個常量，稱為箱子寬度。

用戶自定義區間，用戶可以根據需要自定義區間，當用戶明確希望觀察某些區間範圍內的數據分佈時，使用這種方法可以方便地幫助用戶達到目的。

例：客戶收入屬性income排序後的值（人民幣元）：800 1000 1200 1500 1500 1800 2000 2300 2500 2800 3000 3500 4000 4500 4800 5000，分箱的結果如下。

統一權重：設定權重（箱子深度）為4，分箱後

箱1：800 1000 1200 1500

箱2：1500 1800 2000 2300

箱3：2500 2800 3000 3500

箱4：4000 4500 4800 5000

統一區間：設定區間範圍（箱子寬度）為1000元人民幣，分箱後

箱1：800 1000 1200 1500 1500 1800

箱2：2000 2300 2500 2800 3000

箱3：3500 4000 4500

箱4：4800 5000

用戶自定義：如將客戶收入劃分為1000元以下、1000~2000、2000~3000、3000~4000和4000元以上幾組，分箱後

箱1：800

箱2：1000 1200 1500 1500 1800 2000

箱3：2300 2500 2800 3000

箱4：3500 4000

箱5：4500 4800 5000

7.數據平滑方法：按平均值平滑、按邊界值平滑和按中值平滑。

⑴按平均值平滑

對同一箱值中的數據求平均值，用平均值替代該箱子中的所有數據。

⑵按邊界值平滑

用距離較小的邊界值替代箱中每一數據。

⑶按中值平滑

取箱子的中值，用來替代箱子中的所有數據。

8.聚類：將物理的或抽象對象的集合分組為由類似的對象組成的多個類。

找出並清除那些落在簇之外的值（孤立點），這些孤立點被視為噪聲。

9.迴歸；試圖發現兩個相關的變量之間的變化模式，通過使數據適合一個......

什麼是點雲噪聲

點雲噪聲，是三維掃描儀在掃描的過程中由於外界的因素（如光線，震動，噪聲等等）以及相機本身的原因造成的，不可避免的，軟件在編程時內部加了一些程序儘量降低些，但仍然還是有的。

matlab如何剔除噪音數據?

可以用卷積，利用卷積的平滑原理

命令是conv

比如數據是a,

b=ones(1,20);%這裡的20可以視情況而定

c=conv(a,b);

c([1:10,end:-1:end-8])=[]

得到的c長度比a大(20-1),需要去掉,前面去10個，後面去9個

圖片是我的一個數據這樣處理後的結果

通常所說的噪聲汙染指的是多少分貝以上

噪聲在60分貝下的環境是安全環境，通常所說的噪聲汙染是在80分貝以上的噪聲環境。　　分貝是聲壓級的大小單位（符號：db），聲音壓力每增加一倍，聲壓量級增加6分貝。1分貝是人類耳朵剛剛能聽到的聲音，20分貝以下的聲音，一般來說，我們認為它是安靜的，當然，一般來說15分貝以下的我們就可以認為它屬於"死寂"的了。20-40分貝大約是情侶耳邊的喃喃細語。40-60分貝屬於我們正常的交談聲音。60分貝以上就屬於吵鬧範圍了，70分貝我們就可以認為它是很吵的，而且開始損害聽力神經，90分貝以上就會使聽力受損，而呆在100-120分貝的空間內，如無意外，一分鐘人類就得暫時性失聰（致聾）。其中汽車噪音介乎80-100分貝，以一輛汽車發出90分貝的噪音為例，在一百米處，仍然可以聽到81分貝的噪音（以上標準會因環境的差異有所不同，並非絕對）。

如何使用算法去除輸入數據中的噪音 30分

輸入數據按間隔符分開，存入數組

數組中逐次提取相鄰的數字，判斷前者+5後是否大於後者，大於則為正確，小於，則後面的數字超出範圍，剔除，然後取下一組

數據挖掘中噪聲點與離群點是什麼？噪聲點包括離群點

噪聲點可能是缺失值、錯誤值等造成的，影響模型效果的點；