相关疑难解决方法(0)

更新:迄今为止 表现最佳的算法就是这个算法.

该问题探讨了用于检测实时时间序列数据中的突然峰值的稳健算法.

请考虑以下数据集:

p = [1 1 1.1 1 0.9 1 1 1.1 1 0.9 1 1.1 1 1 0.9 1 1 1.1 1 1 1 1 1.1 0.9 1 1.1 1 1 0.9 1, ...
     1.1 1 1 1.1 1 0.8 0.9 1 1.2 0.9 1 1 1.1 1.2 1 1.5 1 3 2 5 3 2 1 1 1 0.9 1 1 3, ... 
     2.6 4 3 3.2 2 1 1 0.8 4 4 …

我刚才刚刚发现Visual C++ 2008(也许还有早期的版本？)支持for eachstl列表等语法以促进迭代.例如:

list<Object> myList;

for each (Object o in myList)
{
  o.foo();
}

我很高兴发现它,但我担心可怕的一天,当有人决定我需要能够在say,gcc或其他编译器中编译我的代码时的可移植性.这种语法是否得到广泛支持,我可以使用它而不必担心可移植性问题吗？

如果我为我的编译器启用OpenMP,是否可以并行执行任何STL算法/容器操作,如std :: fill,std :: transform？我目前正在与MSVC 2008合作.或者也许有其他方法使它并发？

谢谢.

在Boost.Accumulator中,您可以将样本添加到累加器,然后从中提取统计量.例如:

acc(1.)
acc(2.)
acc(3.)
cout << mean; // 2

图书馆有很多更复杂的统计量,例如skewness,kurtosis或p_square_cumulative_distribution.

我想做的是这样的事情:

acc(1.)
acc(2.)
acc(3.)
std::cout << mean(acc); // 2
acc.pop() // withdraw the first value (1.)
std::cout << mean(acc); // 2.5

pop()将以FIFO(先进先出)方式工作.我想要做的是在滑动时间窗口内以在线(增量)方式计算我的数据的统计数据.

累加器必须在内部保留所有值.

我可以自己做,但我总是首先检查现有的库,并且可能有一些算法,我不知道在数据传入或传出时巧妙地计算数量.