Question

我正试图从布朗利斯＆amp; amp; Gallo 2006（如果您可能感兴趣的话）。

代码工作正常，但考虑到我正在处理非常长的向量（最大的有20米的观测值，20小时之后它没有完成计算）我想知道如何加快它。

到目前为止，我所做的是：
我将时间和日期格式更改为数字双，我看到它在处理和大量内存中节省了相当多的时间。
我为矢量分配了内存：

[n] = size(price);
 x = price;
    score = nan(n,'double');           %using tic and toc I saw that nan requires less time than zeros
    trimmed_mean = nan(n,'double');
    sd = nan(n,'double');
    out_mat = nan(n,'double');

这是我想删除的循环。我读到矢量化会加速很多，特别是使用长矢量。

for i = k+1:n
    trimmed_mean(i) = trimmean(x(i-k:i-1 & i+1:i+k),10,'round');  %trimmed mean computed on the 'k' closest observations to 'i' (i is excluded)
    score(i) = x(i) - trimmed_mean(i);
    sd(i) = std(x(i-k:i-1 & i+1:i+k)); %same as the mean
    tmp = abs(score(i)) > (alpha .* sd(i) + gamma);
    out_mat(i) = tmp*1;
end

这是我想要做的事情

trimmed_mean=trimmean(regroup_matrix,10,'round',2);
score=bsxfun(@minus,x,trimmed_mean);
sd=std(regroup_matrix,2);
temp = abs(score) > (alpha .* sd + gamma);
out_mat = temp*1;

但鉴于我对Matlab完全不熟悉，我不知道如何正确构建相邻观测的矩阵。我认为它的形状应该是：regroup_matrix= nan (n,2*k)。

编辑：具体而言，我想做的事情（我无法做到）是：
给定“x”中的每个观察“i”的列向量“x”（n，1），我想将“k”相邻观察值变为“i”（从ik到i-1，从i + 1到i） + k）并将这些观察结果作为矩阵的行（n，2 * k）。

编辑2：我对代码进行了一些更改，我认为我正在接近解决方案。我发布了另一个问题，具体到我认为现在的问题：
Matlab: Filling up matrix rows using moving intervals from a column vector without a for loop

我现在要做的是：

[n] = size(price,1);
x = price;
[j1]=find(x);
matrix_left=zeros(n, k,'double');
matrix_right=zeros(n, k,'double');
toc
matrix_left(j1(k+1:end),:)=x(j1-k:j1-1);

matrix_right(j1(1:end-k),:)=x(j1+1:j1+k);

matrix_group=[matrix_left matrix_right];
trimmed_mean=trimmean(matrix_group,10,'round',2);
score=bsxfun(@minus,x,trimmed_mean);
sd=std(matrix_group,2);
temp = abs(score) > (alpha .* sd + gamma);
outmat = temp*1;

我在创建matrix_left和matrix_right时遇到问题。 j1，我用于索引是一个列向量，其中包含价格观察的指数。输出只是

j1=[1:1:n]

price是double的列向量，大小为（n，1）

Answer 1

对于您的重塑，您可以执行以下操作：

idxArray = bsxfun(@plus,(k:n)',[-k:-1,1:k]);
reshapedArray = x(idxArray);

Answer 2

感谢Jonas告诉我要走的路，我想出了这个：

idxArray_left=bsxfun(@plus,(k+1:n)',[-k:-1]);           %matrix with index of left neighbours observations
idxArray_fill_left=bsxfun(@plus,(1:k)',[1:k]);          %for observations from 1:k I take the right neighbouring observations, this way when computing mean and standard deviations there will be no problems.
matrix_left=[idxArray_fill_left; idxArray_left];        %Just join the two matrices and I have the complete matrix of left neighbours
idxArray_right=bsxfun(@plus,(1:n-k)',[1:k]);            %same thing as left but opposite.
idxArray_fill_right=bsxfun(@plus,(n-k+1:n)',[-k:-1]);
matrix_right=[idxArray_right; idxArray_fill_right];      
idx_matrix=[matrix_left matrix_right];                  %complete index matrix, joining left and right indices
neigh_matrix=x(idx_matrix);                             %exactly as proposed by Jonas, I fill up a matrix of observations from 'x', following idx_matrix indexing
trimmed_mean=trimmean(neigh_matrix,10,'round',2);
score=bsxfun(@minus,x,trimmed_mean);
sd=std(neigh_matrix,2);
temp = abs(score) > (alpha .* sd + gamma);
outmat = temp*1;

再次，非常感谢Jonas。你真的很开心！
还要感谢所有关注这个问题并试图提供帮助的人！

优化代码，删除＆＃34; for循环＆＃34;

2 个答案: