在R中找到局部最大值/最小值

Question

我有一堆数据（每个测量系列10,000到50,000个值），我有兴趣自动识别这些值分布的密度估计中的局部最大值/最小值。事实上，我认为通常应该有两个峰，由一个坑隔开，我想找到将两个峰彼此分开的坑，以便将数据分成两部分进行进一步处理。如果可能的话，我也想知道峰的位置。

由于密度估计可能包含非常小的局部变化，我希望有可能调整“灵敏度”。到目前为止我能找到的最好的是@Tommy的解决方案：https://stackoverflow.com/a/6836924/1003358这是一个例子：

library(ggplot2)

d <- density(faithful$eruptions, bw = "sj")
loc.max <- d$x[localMaxima(d$y)]

ggplot(faithful, aes(eruptions)) + geom_density(adjust=1/2) +
  geom_vline(x=loc.max, col="red") +
  xlab("Measured values")

现在，我的数据噪音很大：

d <- density(my.df$Values, bw = "sj")
loc.max <- d$x[localMaxima(d$y)]

ggplot(my.df, aes(Values)) + geom_density(adjust=1/2) +
  geom_vline(x=loc.max, col="red") +
  xlab("Measured values")

尝试调整参数（注意尾部有两个“不需要的”峰）：

d <- density(my.df$Values, bw="nrd", adjust=1.2)
loc.max <- d$x[localMaxima(d$y)]

ggplot(my.df, aes(Values)) + geom_density(adjust=1/2) +
  geom_vline(x=loc.max, col="red") +
  xlab("Measured values")

所以问题是：

1）如何在这样的噪声数据集中自动识别真实峰值？ 2）如何可靠地找到分离这些峰的凹坑？

Answer 1

我最喜欢的是pastecs::turnpoints。但你是正确的，你必须做一些主观过滤，以区分尖刺噪声和真正的峰值。一种方法是要求原始数据或样条数据保持在N个连续值的某个阈值之上。