文档摘要

2.2 数据平滑与去噪技术 本节摘要：原始时间序列常被高频噪声污染，直接影响检测精度。本节对比四类主流去噪技术——移动平均（SMA/WMA/EMA）、指数平滑（SES/DES/TES）、Savitzky-Golay 滤波器、小波变换，逐项说明原理、参数、优点与代价，重点讲清"平滑力度"与"保形能力"这对核心矛盾，并给出按数据特征选型的方法论。去噪的目标不是把曲线变光，而是让真实异常在噪声背景中凸显出来。 会员。《2.2 数据平滑与去噪技术》收录于灏天文库文集《时间序列异常检测技术》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/490-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B%E6%8A%80%E6%9C%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流