论文部分内容阅读
在实验测试中,除了获得包含误差的正常数据,实验员常常也可能观察到一些明显错误的点,我们称之为"坏点"。坏点的存在可能会严重影响实验最终结果的可靠性,所以在数据分析前,应该被处理掉。以往的常规坏点处理方法多为肉眼查看,手动排除。这种方法工作量大,并且判断依据不够明确,只靠"感觉",另外,在接收到大量数据的时候,手动法无能为力。本文在使用计算机编程的基础上,应用Hough变换,提出了一种坏点剔除的新方法,可处理符合直线拟合特征的实验数据中的坏点;作为扩展应用,该方法也可以处理以下两种数据:可通过函数变换