Necesito tener la mayor precisión posible, un valor para el brillo de una principalmente estable fuente de luz da doce de la muestra de valores de luminosidad. El sensor es imperfecta, y la luz de vez en cuando puede "parpadeo" más brillante o más oscuro, que puede ser ignorado, de ahí mi necesidad de la detección de valores atípicos (creo?).
He hecho un poco de lectura sobre los diferentes enfoques aquí y no se puede decidir cual es el método para ir. El número de valores atípicos no se conoce de antemano y a menudo serán cero. El parpadeo es generalmente un gran desviación de la estable brillo (lo suficiente como para meterse con cualquiera promedio tomado con un gran uno de los presentes), pero no necesariamente.
Aquí un ejemplo de un conjunto de 12 medidas para la integridad de la pregunta:
295.5214, 277.7749, 274.6538, 272.5897, 271.0733, 292.5856, 282.0986, 275.0419, 273.084, 273.1783, 274.0317, 290.1837
Mi sensación es que hay probablemente no hay valores atípicos en ese conjunto particular, aunque 292 y 295 parecer un poco alto.
Entonces, mi pregunta es, ¿cuál sería el mejor enfoque aquí? Debo mencionar que los valores vienen de tomar la distancia euclidiana de la R, G y B de los componentes de la luz de un cero (negro) punto. Sería mediante programación doloroso, pero posible, para llegar de nuevo a estos valores si es necesario. La distancia euclidiana fue utilizado como una medida de la "fuerza" como no me interesa el color, la fuerza de salida. Sin embargo, hay una posibilidad razonable de que el parpadeos que he mencionado tienen una diferente composición RGB a la salida usual.
En este momento estoy jugando con algún tipo de función que se repite hasta que la estabilidad de sus miembros permitido de las medidas que se alcanza por:
- Encontrar la desviación estándar
- Poniendo todo lo que fuera a decir 2 SDs en una lista de ignorados
- Volver a calcular la media y SD con la lista de ignorados, excluidos
- Re-decidir a quién ignorar basado en la nueva media y SD (evaluar todos 12)
- Repita hasta que estable.
¿Hay algún valor en ese enfoque?
Todos los comentarios que se aceptan y agradecen!