Question

使用np.correlate函数以找到另一个数组的最佳拟合在匹配精确的理想输入中，我希望从相关索引（滞后）中的归一化相关返回值1。另外，为什么np.correlate函数会返回从end到start的乘法，如下面的输出所示？

有人可以澄清如何实现所需的输出以及np.correlate函数中反向乘法的原因吗？

函数调用：

cor = correlation_normalized([3., 4., 4.], [1., 2., 3., 4., 4., 5.])
cor2 = correlation_normalized([1., 2., 3.], [1., 2., 3., 4., 4., 5.])

corr = np.correlate([3., 4., 4.], [1., 2., 3., 4., 4., 5.])
corr2 = np.correlate([1., 2., 3.], [1., 2., 3., 4., 4., 5.])

功能：

def correlation_normalized(a, v):
    a = (a - np.mean(a)) / (np.std(a) * len(a))
    v = (v - np.mean(v)) / np.std(v)
    return np.correlate(a, v)  # Default is mode="valid"

规范化函数源：Why NUMPY correlate and corrcoef return different values and how to “normalize” a correlate in “full” mode?

输出：

cor = [0.1754116  0.35082321 0.52623481 0.52623481]
cor2 = [0.30382181 0.30382181 0.60764362 0.60764362]
corr = [48. 41. 34. 23.]
corr2 = [27. 23. 20. 14.]

预期产出：

cor = [value  value 1.0 value]
cor2 = [1.0 value value value]
corr = [23. 34. 41. 48.]
corr2 = [14. 20. 23. 27.]

Python 1d相关归一化和非归一化值

0 个答案: