filter.penSS(trip)
filter.penSS()所属R语言包：trip
Non-destructive smoothing filter.
非破坏性的平滑滤波器。
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Non-destructuve filter for track data using penalty smoothing on velocity.
非destructuve过滤器采用罚平滑速度的轨道数据。
用法----------Usage----------
filter.penSS(tr, lambda, first = TRUE, last = TRUE, ...)
参数----------Arguments----------
参数：tr
A trip object.
Atrip对象。
参数：lambda
Smoothing parameter, see Details.
平滑参数，请参阅详细信息。
参数：first
Fix the first location and prevent it from being updated by the filter.
固定在第一位置和防止由过滤器从它被更新。
参数：last
Fix the last location and prevent it from being updated by the filter.
修复的最后位置，并防止它从由过滤器被更新。
参数：...
Details
详细信息----------Details----------
Destructive filters such as speedfilter can be recast using a penalty smoothing approach in the style of Green and Silverman (1994).
破坏性的过滤器，如speedfilter可以重铸使用罚款平滑法在绿色和Silverman（1994）的风格。
This filter works by penalizing the fit of the smoothed track to the observed locations by the sum of squared velocities. That is, we trade off goodness of fit against increasing the total sum of squared velocities.
该过滤器的作品受到惩罚的配合平滑的轨道速度的平方的总和所观察到的位置。也就是说，我们权衡的拟合优度对提高速度的平方的总和。
When lamda = 0 the smoothed track reproduces the raw track exactly. Increasing lambda favours tracks requiring less extreme velocities, at the expense of reproducing the original locations.
当λ= 0时的平滑轨迹完全再现了原始的轨道。增加的lambda有利于音轨需要不太极端的速度，在牺牲的再现原始位置。
值----------Value----------
A trip object with updated coordinate values based on the filter - all the data, including original coordinates which are maintained in the trip
更新的坐标值，根据过滤器 - 所有的数据，包括在行程中保持原来的坐标之旅对象
（作者）----------Author(s)----------
Simon Wotherspoon and Michael Sumner
参考文献----------References----------
regression and generalized linear models: a roughness penalty
参见----------See Also----------
speedfilter
speedfilter
实例----------Examples----------
## Not run: ## Example takes a few minutes[＃不运行：＃＃示例需要几分钟的时间]
## Fake some data[＃假的一些数据]
## Brownian motion tethered at each end[＃布朗运动拴在每年年底]
brownian.bridge <- function(n, r) {
x <- cumsum(rnorm(n, 0, 1))
x <- x - (x[1] + seq(0, 1, length = n) * (x[n] - x[1]))
r * x
}
## Number of days and number of obs[＃天数和数量的OBS]
days <- 50
n <- 200
## Make separation between obs gamma distributed[之间的分离OBS Gamma分布]
x <- rgamma(n, 3)
x <- cumsum(x)
x <- x/x[n]
## Track is lissajous + brownian bridge[歌曲是李沙育图形+布朗桥]
b.scale <- 0.6
r.scale <- sample(c(0.1, 2, 10.2), n, replace = TRUE, prob = c(0.8, 0.18, 0.02))
set.seed(44)
tms <- ISOdate(2001, 1, 1) + trunc(days * 24 * 60 * 60 *x)
lon <- 120 + 20 * sin(2 * pi * x) + brownian.bridge(n, b.scale) + rnorm(n, 0, r.scale)
lat <- -40 + 10 *(sin(3 * 2 * pi * x) + cos(2 * pi * x) - 1) + brownian.bridge(n, b.scale) + rnorm(n, 0, r.scale)
tr <- new("trip", SpatialPointsDataFrame(cbind(lon, lat), data.frame(gmt = tms, id = "lbb")), TimeOrderedRecords(c("gmt", "id")))
plot(tr)
## the filtered version[＃过滤后的版本]
trf <- filter.penSS(tr, lambda = 1, iterlim = 400, print.level = 1)
lines(trf)
## End(Not run)[＃（不执行）]
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-10-1 12:14:32
