Weighted Mobile Media C ++

So che questo è realizzabile con boost secondo: Ma mi piacerebbe davvero evitare l'uso di spinta. Googled e non trovato alcun esempio adatto o leggibili. Fondamentalmente voglio monitorare la media mobile di un flusso continuo di un flusso di numeri in virgola che utilizzano le più recenti 1000 numeri come un campione di dati galleggiante. Qual è il modo più semplice per raggiungere questo obiettivo ho sperimentato con l'utilizzo di un array circolare, media mobile esponenziale e una più semplice media mobile e ha scoperto che i risultati dalla matrice circolare adatta alle mie esigenze. chiesto 12 giugno 12 a 4:38 Se le vostre esigenze sono semplici, si potrebbe anche provare a utilizzare una media mobile esponenziale. In parole povere, si effettua una variabile di accumulatori, e come il codice sia in ogni campione, il codice aggiorna l'accumulatore con il nuovo valore. Si sceglie un alpha costante che è compreso tra 0 e 1, e calcolare questo: Hai solo bisogno di trovare un valore di alfa in cui l'effetto di un determinato campione dura solo per circa 1000 campioni. Hmm, Im non realmente sicuro che questo è adatto per voi, ora che Ive ha messo qui. Il problema è che 1000 è un piuttosto lunga finestra per una media mobile esponenziale Im non sicuro che ci sia un alfa che diffondere la media degli ultimi 1000 numeri, senza underflow nel calcolo in virgola mobile. Ma se si voleva una media più piccolo, come 30 numeri o giù di lì, questo è un modo molto semplice e veloce per farlo. rispose Jun 12 12 alle 4:44 1 sul tuo post. La media mobile esponenziale può permettere l'alfa di essere variabile. Quindi, questo permette di essere utilizzato per calcolare le medie base dei tempi (ad esempio byte al secondo). Se il tempo dall'ultimo aggiornamento accumulatore è più di 1 secondo, si lascia alfa essere 1.0. In caso contrario, si può lasciare alfa essere (usecs dall'ultima update1000000). ndash JXH 12 giugno 12 alle 06:21 Fondamentalmente voglio monitorare la media mobile di un flusso continuo di un flusso di numeri in virgola che utilizzano le più recenti 1000 numeri come un campione di dati galleggiante. Si noti che il sotto aggiorna totale come elementi come addedreplaced, evitando i costi di O (N) attraversamento per calcolare la somma - necessario per la media - su richiesta. Total è fatto un parametro diverso da T a sostenere ad esempio con un lungo lungo quando per un totale di 1000 s lunga, un int per char s, o un doppio al totale galleggiante s. Questo è un po 'viziata in quel numsamples potrebbe andare oltre INTMAX - se vi interessa si potrebbe usare un unsigned long long. o utilizzare un membro di dati in più bool a registrare quando il contenitore viene prima riempita mentre numsamples ciclabili intorno l'array (migliore poi rinominato qualcosa di innocuo come pos). risposto 12 giugno 12 a 5:19 si parte dal presupposto che l'operatore quotvoid (campione T) quot è in realtà operatorltlt quotvoid (campione T) quot. ndash oPless 8 Giugno 14 a 11:52 oPless ahhh. ben individuato. in realtà volevo dire per essere operatore void) (campione T) (ma naturalmente si potrebbe usare qualsiasi notazione ti è piaciuto. Sarà risolvere, grazie. ndash Tony D 8 giugno 14 a 14: 27OANDA 1080108910871086108311001079109110771090 10921072108110831099 biscotto, 10951090108610731099 1089107610771083107210901100 1085107210961080 10891072108110901099 10871088108610891090109910841080 1074 1080108910871086108311001079108610741072108510801080 1080 108510721089109010881086108010901100 10801093 10891086107510831072108910851086 108710861090108810771073108510861089109011031084 10851072109610801093 10871086108910771090108010901077108310771081. 10601072108110831099 biscotto 10851077 10841086107510911090 1073109910901100 108010891087108610831100107910861074107210851099 107610831103 109110891090107210851086107410831077108510801103 10741072109610771081 10831080109510851086108910901080. 1055108610891077109710721103 108510721096 1089107210811090, 10.741.099 108910861075108310721096107210771090107710891100 1089 10801089108710861083110010791086107410721085108010771084 OANDA8217 109210721081108310861074 biscotto 1074 108910861086109010741077109010891090107410801080 1089 10851072109610771081 105510861083108010901080108210861081 108210861085109210801076107710851094108010721083110010851086108910901080. 1048108510891090108810911082109410801080 10871086 107310831086108210801088108610741072108510801102 1080 10911076107210831077108510801102 109210721081108310861074 biscotto, 1072 10901072108210781077 1091108710881072107410831077108510801102 108010841080 108710881080107410771076107710851099 10851072 10891072108110901077 aboutcookies. org. 1042 108910831091109510721077 10861075108810721085108010951077108510801103 1080108910871086108311001079108610741072108510801103 109210721081108310861074 biscotto 108610871088107710761077108310771085108510991077 1092109110851082109410801080 108510721096107710751086 10891072108110901072 10731091107610911090 1085107710761086108910901091108710851099. 104710721075108810911079108010901100 108410861073108010831100108510991077 1087108810801083108610781077108510801103 1042109310861076 1042109910731088107210901100 1089109510771090 1042107910741077109610771085108510861077 1089108210861083110010791103109710771077 1089108810771076108510771077 (WMA) 10541087108010891072108510801077 WMA 10861079108510721095107210771090 1711074107910741077109610771085108510861077 1089108210861083110010791103109710771077 1089108810771076108510771077187 (1072108510751083. 171weighted average187 in movimento). 10551086108410861075107210771090 10891075108310721076108010901100 108210881080107410911102 1094107710851099, 10951090108610731099 10831091109510961077 1080107610771085109010801092108010941080108810861074107210901100 10901088107710851076. WMA 107610771083107210771090 107710971077 1073108610831100109610801081 1091108710861088 10851072 1085107710761072107410851086 1087108610831091109510771085108510991077 107610721085108510991077, 109.510.771.084 EMA. 1060108610881084109110831072 1042107910741077109610771085108510861077 1089108210861083110010791103109710771077 1089108810771076108510771077 10741099109510801089108311031077109010891103 10871091109010771084 109110841085108610781077108510801103 1082107210781076108610751086 10791085107210951077108510801103 1074 108710861089108310771076108610741072109010771083110010851086108910901080 10851072 108810721079108510991081 10821086110110921092108010941080107710851090 1080 10891083108610781077108510801103 1087108610831091109510771085108510991093 10881077107910911083110010901072109010861074. 1042 10891074110310791080 10891086 1089108310861078108510861089109011001102 1074109910951080108910831077108510801103 1076107210851085108610751086 10891082108610831100107911031097107710751086 10891088107710761085107710751086 1085108010781077 10871088108010741077107610771085 108710881080108410771088. 10551088107710761087108610831086107810801084, 109510901086 1094107710851099 10791072108210881099109010801103 10791072 108710861089108310771076108510801077 5 1076108510771081 108910831077107610911102109710801077: 1044107710851100 1060108610881084109110831072 108210861101109210921080109410801077108510901072, 108710881080108410771085110310771084108610751086 1082 108210721078107610861081 10801079 109410771085, 108910831077107610911102109710721103: lt n. 1095108010891083108010901077108310771084 1074 108210721078107610861084 108910831091109510721077 11031074108311031077109010891103 10951080108910831086, 108610731086107910851072109510721102109710771077 10851086108410771088 107610851103 1074 108710861089108310771076108610741072109010771083110010851086108910901080. lt d. 107910851072108410771085107210901077108310771084 11031074108311031077109010891103 10891091108410841072 1082108610831080109510771089109010741072 1076108510771081 1074 1074108010761077 109010881077109110751086108311001085108610751086 10951080108910831072. 105810721082 108210721082 10861073109710771077 1082108610831080109510771089109010741086 1076108510771081 10881072107410851086 5, 109010881077109110751086108311001085109910841080 1095108010891083107210841080 11031074108311031102109010891103 5, 4, 3, 2 1080 1, 1072 10801093 10891091108410841072 10881072107410851072 5432115. 1055108611011090108610841091 5-1076108510771074108510861077 WMA 10881072108910891095108010901099107410721077109010891103 108210721082 83 (515) 81 ( 415) 79 (315) 79 (215) 77 (115) 80,7 1044107710851100 1042 107610721085108510861081 10871088107710791077108510901072109410801080 108710881077107610861089109010721074108311031077109010891103 109010861083110010821086 10861073109710721103 1080108510921086108810841072109410801103. 1055108810801084107710881099 1087108810801074108610761103109010891103 1080108910821083110210951080109010771083110010851086 1074 10801083108311021089109010881072109010801074108510991093 10941077108311031093 1080 10841086107510911090 10851077 10861090108810721078107210901100 1090107710821091109710801077 1094107710851099 OANDA. 105410851080 10851077 11031074108311031102109010891103 10801085107410771089109010801094108010861085108510861081 1088107710821086108410771085107610721094108010771081 108010831080 10871086107310911078107610771085108010771084 1082 1089108610741077108810961077108510801102 108910761077108310821080. 1056107710791091108311001090107210901099, 10761086108910901080107510851091109010991077 1074 1087108810861096108310861084, 1085107710861073110310791072109010771083110010851086 109110821072107910991074107211021090 10851072 1088107710791091108311001090107210901099 1074 1073109110761091109710771084. 169 199682112017 OANDA Corporation. 104210891077 10871088107210741072 10791072109710801097107710851099. 10581086107410721088108510991077 10791085107210821080 OANDA, fxTrade 1080 108910771084107710811089109010741086 10901086107410721088108510991093 107910851072108210861074 fx 10871088108010851072107610831077107810721090 OANDA Corporation. 104210891077 108710881086109510801077 10901086107410721088108510991077 10791085107210821080, 10871088107710761089109010721074108310771085108510991077 10851072 1101109010861084 10891072108110901077, 11031074108311031102109010891103 10891086107310891090107410771085108510861089109011001102 108910861086109010741077109010891090107410911102109710801093 1074108310721076107710831100109410771074. 10581086108810751086107410831103 10821086108510901088107210821090107210841080 10851072 10801085108610891090108810721085108510911102 107410721083110210901091 108010831080 10801085109910841080 107410851077107310801088107810771074109910841080 1087108810861076109110821090107210841080 1089 10801089108710861083110010791086107410721085108010771084 10841072108810781080 1080 1082108810771076108010901085108610751086 10871083107710951072 107410831077109510771090 1074109910891086108210801077 10881080108910821080 1080 10871086107610931086107610801090 10851077 1074108910771084 1080108510741077108910901086108810721084. 10561077108210861084107710851076109110771084 107410721084 109010971072109010771083110010851086 1086109410771085108010901100, 10871086107610931086107611031090 10831080 107410721084 10901072108210801077 10901086108810751086107410991077 10861087107710881072109410801080 1089 109110951077109010861084 10741072109610801093 108310801095108510991093 1086107310891090108611031090107710831100108910901074. 1042107210961080 109110731099109010821080 10841086107510911090 108710881077107410991089108010901100 10861073109810771084 10741072109610801093 1080108510741077108910901080109410801081. 1048108510921086108810841072109410801103, 10871088108010741077107610771085108510721103 10851072 107610721085108510861084 10891072108110901077, 10851086108910801090 10861073109710801081 10931072108810721082109010771088. 10561077108210861084107710851076109110771084 107410721084 10761086 108510721095107210831072 10901086108810751086107410831080 1086107310881072109010801090110010891103 10791072 1087108610841086109711001102 1082 10851077107910721074108010891080108410991084 1082108610851089109110831100109010721085109010721084 1080 109110731077107610801090110010891103, 109510901086 10741099 108710861083108510861089109011001102 108710861085108010841072107710901077 107410891077 1089108610871091109010891090107410911102109710801077 10881080108910821080. 10581086108810751086107410831103 10871086108910881077107610891090107410861084 108610851083107210811085 -108710831072109010921086108810841099 107410831077109510771090 10761086108710861083108510801090107710831100108510991077 10881080108910821080. 10571084. 108810721079107610771083 17110551088107210741086107410991077 1074108610871088108610891099187 10791076107710891100. 1060108010851072108510891086107410991081 10891087108810771076-1073107710901090108010851075 10761086108910901091108710771085 109010861083110010821086 10821083108010771085109010721084 OANDA Europe Ltd, 1103107410831103110210971080108410891103 10881077107910801076107710851090107210841080 105710861077107610801085107710851085108610751086 10501086108810861083107710741089109010741072 108010831080 1056107710891087109110731083108010821080 10481088108310721085107610801103. 105010861085109010881072108210901099 10851072 1088107210791085108010941091, 1092109110851082109410801080 109310771076107810801088108610741072108510801103 105210584 1080 108210881077107610801090108510861077 10871083107710951086 10891074109910961077 50: 1 1085107710761086108910901091108710851099 107610831103 1088107710791080107610771085109010861074 10571086107710761080108510771085108510991093 106410901072109010861074 1040108410771088108010821080. 1048108510921086108810841072109410801103 10851072 1101109010861084 10891072108110901077 10851077 1087108810771076108510721079108510721095107710851072 107610831103 1078108010901077108310771081 10891090108810721085, 1074 1082108610901086108810991093 10771077 108810721089108710881086108910901088107210851077108510801077 108010831080 1080108910871086108311001079108610741072108510801077 10831102107310991084 10831080109410861084 108710881086109010801074108610881077109510801090 1084107710891090108510991084 1079107210821086108510721084 1080 10871088107210741080108310721084. 10501086108410871072108510801103 1089 108610751088107210851080109510771085108510861081 1086109010741077109010891090107410771085108510861089109011001102 OANDA Europe Limited 1079107210881077107510801089109010881080108810861074107210851072 1074 104010851075108310801080, 108810771075108010891090108810721094108010861085108510991081 10851086108410771088 7.110.087, 11021088108010761080109510771089108210801081 10721076108810771089: Tower 42, Piano 9 bis, 25 Old Broad St, London EC2N 1HQ. 104410771103109010771083110010851086108910901100 10821086108410871072108510801080 1083108010941077108510791080108810861074107210851072 1080 108810771075109110831080108810911077109010891103 10591087108810721074108310771085108010771084 10921080108510721085108910861074108610751086 1085107210761079108610881072. 10831080109410771085107910801103 8470 542574. OANDA Japan Co. Ltd. 8212 108710771088107410991081 10761080108810771082109010861088 10871086 108610871077108810721094108011031084 1089 10921080108510721085108910861074109910841080 1080108510891090108810911084107710851090107210841080 1090108010871072 Kanto locale Bureau finanziaria (Kin-sho), 108810771075. 8470 2137 1095108310771085 1040108910891086109410801072109410801080 1092108010851072108510891086107410991093 109211001102109510771088108910861074, 108810771075. 8470 1571.I sto cercando di calcolare la media mobile di un segnale. Il valore del segnale (una doppia) viene aggiornato in momenti casuali. Sto cercando un modo efficace per calcolare la media ponderata nel tempo su una finestra di tempo, in tempo reale. Ho potuto fare la mia auto, ma è più difficile di quanto pensassi. La maggior parte delle risorse Ive ha trovato su internet sta calcolando la media del segnale periodico in movimento, ma il mio aggiornamenti in tempo casuale. Qualcuno sa buone risorse per che il trucco è la seguente: È possibile ottenere aggiornamenti a volte casuali tramite aggiornamento void (tempo int, float valore). Tuttavia anche è necessario tenere traccia anche quando un aggiornamento cade la finestra di tempo, in modo da impostare un allarme che chiama in fase di N che rimuove il precedente aggiornamento venga mai preso in considerazione di nuovo nel calcolo. Se questo accade in tempo reale è possibile richiedere il sistema operativo per effettuare una chiamata a un dropoffoldestupdate metodo void (tempo int) per essere chiamato al momento N Se si tratta di una simulazione, non è possibile ottenere aiuto da parte del sistema operativo ed è necessario farlo manualmente. In una simulazione che chiamereste metodi con il tempo fornito come argomento (che non correlano con il tempo reale). Tuttavia, un'ipotesi ragionevole è che le chiamate sono garantiti per essere tale che gli argomenti tempo sono in aumento. In questo caso è necessario mantenere un elenco ordinato dei valori di tempo di allarme, e per ogni aggiornamento e leggere chiamate di verificare se l'argomento di tempo è maggiore del capo della lista degli allarmi. Anche se è più grande si fa l'elaborazione relative allarme (drop off l'aggiornamento più antica), togliere la testa e controllare di nuovo fino a quando tutti gli allarmi prima del tempo dato vengono elaborati. Poi fare la chiamata di aggiornamento. Ho finora assunto è ovvio quello che si potrebbe fare per il calcolo effettivo, ma mi dilungherò per ogni evenienza. Suppongo di avere un metodo float leggere (tempo int) che consente di leggere i valori. L'obiettivo è quello di rendere questa chiamata il più efficiente possibile. Quindi non si calcola la media mobile ogni volta che il metodo di lettura viene chiamato. Invece si Precompute il valore dell'ultimo aggiornamento o l'ultimo allarme, e ottimizzare il valore di un paio di operazioni in virgola mobile per tenere conto del passaggio del tempo dall'ultimo aggiornamento. (I. E. Un numero costante di operazioni eccetto forse l'elaborazione di un elenco di allarmi accatastati). Speriamo che questo sia chiaro - questo dovrebbe essere abbastanza semplice algoritmo e abbastanza efficiente. Un'ulteriore ottimizzazione. uno dei problemi rimanenti è se un gran numero di aggiornamenti avviene entro la finestra di tempo, allora vi è un tempo per la quale non sono né legge né aggiornamenti e quindi di lettura o aggiornamento arriva. In questo caso, l'algoritmo precedente sarà inefficiente nel incrementalmente aggiornando il valore per ciascuno degli aggiornamenti che è cadere. Questo non è necessario perché ci interessa solo l'ultimo aggiornamento al di là della finestra di tempo, quindi se c'è un modo per eliminare in modo efficiente via tutti gli aggiornamenti più anziani, sarebbe utile. Per fare questo, siamo in grado di modificare l'algoritmo per fare una ricerca binaria di aggiornamenti per trovare l'ultimo aggiornamento prima che la finestra di tempo. Se ci sono relativamente pochi gli aggiornamenti che deve essere lasciato cadere, allora si può incrementale aggiornare il valore per ogni caduto aggiornamento. Ma se ci sono molti aggiornamenti che devono essere lasciato cadere, allora si può ricalcolare il valore da zero dopo aver lasciato fuori i vecchi aggiornamenti. Appendice sul incrementale Computation: Ho dovrebbe chiarire cosa intendo per il calcolo incrementale sopra nella frase modificare questo valore da un paio di operazioni in virgola mobile per tenere conto del passaggio del tempo dall'ultimo aggiornamento. Iniziale di calcolo non incrementale: poi iterare su relevantupdates in ordine crescente di tempo: media mobile (somma lastUpdate timesincelastupdate) windowlength. Ora, se esattamente un aggiornamento cade dalla finestra, ma non nuovi aggiornamenti arrivano, regolare sum come: (notare che è priorupdate che ha modificato la sua data e ora di inizio della ultima finestra di iniziare). E se esattamente un aggiornamento entra dalla finestra, ma non nuovi aggiornamenti cadere, regolare somma come: Come dovrebbe essere evidente, si tratta di uno schizzo, ma si spera che mostra come è possibile mantenere la media in modo che sia (1) O al update su base ammortizzato. Ma nota ulteriore ottimizzazione nel paragrafo precedente. Si noti inoltre problemi di stabilità alluso in una risposta più vecchio, il che significa che gli errori di virgola mobile possono accumularsi su un gran numero di tali operazioni elementari tale che vi è una divergenza dal risultato della piena calcolo, che è significativo per l'applicazione. Se un approssimazione è OK e c'è un tempo minimo tra i campioni, si potrebbe provare super-campione. Avere una matrice che rappresenta intervalli di tempo equidistanti che sono più corti rispetto al minimo, e in ogni periodo di tempo l'ultimo negozio di esempio che è stato ricevuto. Più breve è l'intervallo, più il media sarà al vero valore. Il periodo dovrebbe essere non superiore alla metà del minimo o c'è la possibilità di perdere un campione. risposto 15 dicembre 11 alle 18:12 risposto 15 dicembre 11 alle 22:38 Grazie per la risposta. Un miglioramento che sarebbe necessaria per quotcachequot effettivamente il valore della media totale quindi abbiamo don39t ciclo tutto il tempo. Inoltre, può essere un piccolo punto, ma non sarebbe più efficace utilizzare un deque o un elenco per memorizzare il valore, dal momento che si assume che l'aggiornamento arriverà nel giusto ordine. Inserimento sarebbe più veloce nella mappa. ndash Arthur 16 dicembre 11 alle 8:55 Sì, si può memorizzare nella cache il valore della somma. Sottrarre i valori dei campioni che cancellare, aggiungere i valori dei campioni si inserisce. Inoltre, sì, un dequeltpairltSample, Dategtgt potrebbe essere più efficiente. Ho scelto mappa per migliorare la leggibilità e la facilità di invocare mappa :: limite superiore. Come sempre, scrivere codice corretto, poi il profilo e misurare le variazioni incrementali. ndash Rob 16 dicembre 11 alle 15:00 Nota: A quanto pare questo non è il modo per avvicinarsi a questo. Lasciando qui per riferimento su ciò che è sbagliato in questo approccio. Controllare i commenti. AGGIORNATO - sulla base di Olis commento. Non sono sicuro circa l'instabilità che sta parlando però. Utilizza una mappa ordinata di tempi di arrivo rispetto ai valori. All'arrivo di un valore di aggiungere l'orario di arrivo alla mappa ordinata insieme al suo valore e aggiornare la media mobile. Avvertimento Questa è pseudo-codice: Ci. Non pienamente concretizzati, ma si ottiene l'idea. Le cose da notare. Come ho detto sopra è pseudo codice. Youll bisogno di scegliere una mappa adeguata. Dont rimuovere le coppie come eseguire iterazioni come si invalidare l'iteratore e dovrà ricominciare da capo. Vedere Olis commento qui sotto anche. risposto 15 dicembre 11 alle 12:22 Questo lavoro doesn39t: si doesn39t prendere in considerazione quale parte della finestra di lunghezza esiste ogni valore per. Inoltre, questo approccio di aggiunta e sottraendo è stabile solo per i tipi interi, non galleggianti. ndash Oliver Charlesworth 15 dicembre 11 a 00:29 OliCharlesworth - scusate ho perso alcuni punti chiave nella descrizione (doppio e ponderata nel tempo). Vi aggiornerò. Grazie. ndash Dennis 15 dic 11 in 12:33 Il tempo di ponderazione è ancora un altro problema. Ma non that39s cosa I39m parlando. Mi riferivo al fatto che quando un nuovo valore entra per la prima volta la finestra, il suo contributo alla media è minima. Il suo contributo continua ad aumentare finché un nuovo valore entra. ndash Oliver Charlesworth 15 dicembre 11 alle 12:35