中值濾波器
重要
Machine Learning 工作室 (傳統) 的支援將於 2024 年 8 月 31 日結束。 建議您在該日期之前轉換成 Azure Machine Learning。
自 2021 年 12 月 1 日起，您將無法建立新的 Machine Learning 工作室 (傳統) 資源。 在 2024 年 8 月 31 日之前，您可以繼續使用現有的 Machine Learning 工作室 (傳統) 資源。
ML 工作室 (傳統) 文件即將淘汰，未來將不再更新。
建立使資料平滑以利趨勢分析的中值濾波器
類別： 資料轉換/篩選
模組概觀
本文說明如何使用 機器學習 Studio 中的中位數篩選模組 (傳統) ，來定義一個中位數篩選條件，以套用至代表數位輸入訊號或影像的一系列值。
中值濾波器廣泛用於影像辨識，它的作用是減少雜訊以促進特徵的偵測。
注意
篩選是一種傳輸函式，會接受輸入訊號，並根據篩選特性建立輸出訊號。 在數位訊號處理中，使用濾波器可以改善影像或語音辨識的結果。 如需詳細資訊，請參閱 篩選。
在使用 [中位數篩選 ] 模組定義符合您需求的篩選轉換之後，您可以將資料集和篩選準則連線至 [ 套用篩選 ] 模組，將篩選套用至資料。
提示
需要篩選資料集中的資料，或移除遺漏的值嗎？ 請改用這些模組：
如何設定中位數篩選
將 中位數篩選 新增至實驗。 您可以在 [篩選] 類別的 [資料轉換] 底下找到此課程模組。
針對 [長度]，輸入整數值，定義套用篩選準則的視窗大小總計。 這也稱為篩選 遮罩。
此值應該是奇數、正值整數。 如果您指定偶數，遮罩大小會減 1。
根據預設，遮罩會從目前的值開始，並建立以目前值為中心的視窗。
例如，如果您輸入 5 作為 [長度 ] 或 [視窗大小]，則會在滑動視窗中計算中位數值，其中包含以目前值為中心的 5 個值。 如果您輸入 4，遮罩會縮減為 3 個值，以索引值為中心。
連線篩選準則套用篩選，並串連資料組。
使用資料行選取器來指定應該套用篩選之資料集的資料行。 根據預設，[ 套用篩選] 模組會針對所有選取的數值資料行使用篩選。
執行實驗。 下列作業會套用至選取的資料行：
- 濾波器演算法會針對視窗或遮罩中包含的每一組值計算中間值。
- 系統會以中間值取代目前 (或索引) 的值。
範例
如需如何在機器學習中使用篩選的範例，請參閱 Azure AI 資源庫中的此實驗：
- 篩選：此實驗示範所有篩選類型，使用工程的波狀資料集。
技術說明
本節包含實作詳細資料、提示和常見問題集的解答。
實作詳細資料
輸出訊號中的每個項目等於輸入訊號子集 (遮罩) 的項目中間值，且位於對應之索引的中間。 遮罩大小應該是奇數，正值的整數。
如果您提供偶數值遮罩大小給這個方法，則會減 1。 例如，假設有 m=2q+1 ，篩選準則會定義為： yi = median[{xi-q,…, xi+q}]
輸入訊號的框線以外的值會假設等於框線的值。 也就是說，如果 n 是輸入訊號的長度：
如需中間值濾波器的詳細資訊，以下 Wikipedia 文章提供有關理論和應用的詳盡說明：
模組參數
| 名稱 | 範圍 | 類型 | 預設 | 描述 |
|---|---|---|---|---|
| 長度 | >=1 | 整數 | 5 | 篩選窗口的長度 |
輸出
| 名稱 | 類型 | 描述 |
|---|---|---|
| Filter | IFilter 介面 | 濾波器實作 |