WINDOW_AVG(SUM([Calculation1]),-[win],0 )+2*WINDOW_STDEV( SUM([Calculation1]),-[win],0 )
 
WINDOW_AVG(SUM([punit_msd]),-[win],0 )+2*WINDOW_STDEV( SUM([punit_msd]),-[win],0 )
 平均值
 标准偏差
 
预定义公式：ma +/- 2*stdevp

计算一个矩阵的平均值和标准差，每个通道都是独立的，通过以下输出参数获取返回值：
 
$$[\begin{array}{l}N={\sum }_{I,\text{mask}(I)\ne 0}1\\ {\text{mean}}_c=\frac{{\sum }_{I:\text{mask}(I)\ne 0}\text{src}(I{)}_c}{N}\\ {\text{stddev}}_c=\sqrt{\frac{{\sum }_{I:\text{mask}(I)\ne 0}{\left(\text{src}(I{)}_c-{\text{mean}}_c\right)}^2}{N}}\end{array}]$$
 当所有的mask元素是0的时候，函数返回mean=stddev=Scalar::all(0).
 
注意：计算出的标准差只能是完全归一化协方差矩阵，如果需要完整的矩阵，你可以reshape多通道数组M x N到单通道矩阵M*N x mtx.channels() （只有在矩阵是连续的时候才有可能）并且把矩阵传递给calcCovarMatrix
 
功能：
 
表示一个图像的明暗变化程度，标准差越大，明暗变化越明显。
 
原型：
 
CV_EXPORTS_W void meanStdDev(InputArray src, OutputArray mean, OutputArray stddev,
                             InputArray mask=noArray());
 
参数释义：
 
参数 src 输入数组，由1-4个通道组成，能够把结果存储到Scalar里
参数 mean 输出参数，计算平均值。
参数 stddev 输出参数，计算出的标准差
参数 mask 可选参数，操作掩摸，用以标记求取哪些区域。
 
参考：countNonZero, mean, norm, minMaxLoc, calcCovarMatrix
 
示例源码：
 
#include <iostream>
#include <opencv2/opencv.hpp>


int main() {

	float sample[14] = { 12,12,3,4,7,9,56,12,13,14,12,56,34,14 };
    cv::Mat image1 = cv::Mat(4, 3, CV_32FC1, sample);    //单通道的矩阵
	cv::Mat image2 = cv::Mat(2, 2, CV_32FC2, sample);    //多通道的矩阵
	
	cv::Scalar mean1;
	cv::Scalar mean2;
	cv::Mat stddevMat;
	cv::Mat stddevMatM;
	cv::meanStdDev(image1, mean1, stddevMat);
	cv::meanStdDev(image2, mean2, stddevMatM);
	//mean2 = cv::mean(image2);
	std::cout << "单通道标准差：" << stddevMat << std::endl;
	std::cout << "多通道标准差：" << stddevMatM << std::endl;

	return 0;
}
 
输出结果：
 

 
 
标准偏差(Std Dev,Standard Deviation) -统计学名词。一种度量数据分布的分散程度之标准，用以衡量数据值偏离算术平均值的程度。标准偏差越小，这些值偏离平均值就越少，反之亦然。标准偏差的大小可通过标准偏差与平均值的倍率关系来衡量。
 
 
1、定义函数 
 
def std(nums):
    n = len(nums)
    avg = sum(nums) / n
    return (sum(map(lambda e: (e - avg) * (e - avg), nums)) / n) ** 0.5
 
 2、验证结果
 
if __name__ == '__main__':
    nums = [19348, 3466, 12495, 4084, 20825, 25232, 254, 41373, 20177, 15944]
    print(std(nums))
 

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！


                 如何使用sql函数平均值、总数、最小值、最大值、总和、标准差sql函数 　　使用sql函数，您可以在一个select语句的查询当中，直接计算数据库资料的平均值、总数、最小值、最大值、总和、标准差、变异数等统计。使用recordset对象时，也可使用这些sql函数。 sql函数包括如下： avg函数：计算查询中某一特定字段资料的算术平均值。 count函数：计算符合查询条件的记录数。 min, max函数：传回指定字段之中符合查询条件的第一条、最末条记录的资料。 first, last函数：传回指定字段之中符合查询条件的最小值、最大值。 stdev函数：计算指定字段之中符合查询条件的标准差。 sum函数：计算指定字段之中符合查询条件的资料总和。 var,函数：计算指定字段之中符合查询条件的变异数估计值。 ado如何使用sql函数呢？ 譬如asp程式码rs21.asp，在用户端使用浏览器，浏览执行的结果，显示执行sql函数的结果。 asp程式码rs21.asp如下： <% set conn1 = server.createobject("adodb.connection") conn1.open "dbq=" & server.mappath("ntopsamp.mdb") & ";driver= ;driverid=25;fil=ms access;" set rs2 = server.createobject("adodb.recordset") sqlstr = "select avg(价格) as 平均 from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
avg: " & rs2("平均") rs2.close sqlstr = "select count(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
count(价格): " & rs2(0) rs2.close sqlstr = "select count(*) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
count(*): " & rs2(0) rs2.close sqlstr = "select sum(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
sum: " & rs2(0) rs2.close sqlstr = "select min(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
min: " & rs2(0) rs2.close sqlstr = "select max(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
max: " & rs2(0) rs2.close sqlstr = "select first(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
first(价格): " & rs2(0) rs2.close sqlstr = "select last(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
last(价格): " & rs2(0) rs2.close sqlstr = "select first(代号) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
first(代号): " & rs2(0) rs2.close sqlstr = "select last(代号) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
last(代号): " & rs2(0) rs2.close sqlstr = "select stdev(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
stdev: " & rs2(0) rs2.close sqlstr = "select var(价格) from 产品" rs2.open sqlstr,conn1,1,1 response.write "
 
var: " & rs2(0) rs2.close conn1.close %> 详细描述如下： avg函数 avg函数，计算查询中某一特定字段资料的算术平均值。 　　语法为avg(运算式)。运算式，可为字段名称、运算式、或一个函数，此函数可以是一个内部或使用者定义的，但不能为其它的sql函数。 avg函数在计算时，不包含任何值为 null 的资料。 count函数 count函数，计算符合查询条件的记录条数。 　　语法为count (运算式)。运算式，可为字段名称、*、多个字段名称、运算式、或一个函数，此函数可以是一个内部或使用者定义的，但不能为其它的sql函数。 count 函数於计算时，不包含任何值为 null 的资料。 但是，count(*) 则计算所有符合查询条件的记录条数，包含那些null的资料。 　　如果count(字段名称) 的字段名称为多个字段，将字段名称之间使用 & 分隔。 多个字段当中，至少有一个字段的值不为null的情况下，count函数才会计算为一条记录。如果多个字段都为null，则不算是一条记录。譬如： select count(价格 & 代号) from 产品 first/last函数 　　first函数、last函数，传回指定字段之中符合查询条件的第一条、最末条记录的资料。 　　语法为first(运算式) 和 last(运算式)。运算式，可为字段名称、运算式、或一个函数，此函数可以是一个内部或使用者定义的，但不能为其它的sql函数。 min/max函数 　　min函数、max函数，传回指定字段之中符合查询条件的最小值、最大值。 　　语法为min(运算式) 和 max(运算式)。运算式，可为字段名称、运算式、或一个函数，此函数可以是一个内部或使用者定义的，但不能为其它的sql函数。 stdev函数 stdev函数，计算指定字段之中符合查询条件的标准差。 　　语法为stdev(运算式)。运算式，可为字段名称、运算式、或一个函数，此函数可以是一个内部或使用者定义的，但不能为其它的sql函数。 　　如果符合查询条件的记录为两个以下时，stdev函数将传回一个null 值，该表示不能计算标准差。 sum函数 sum函数，计算指定字段之中符合查询条件的资料总和。 　　语法为sum(运算式)。运算式，可为字段名称、运算式、或一个函数，此函数可以是一个内部或使用者定义的，但不能为其它的sql函数。 sum函数可使用两个字段资料运算式，譬如计算产品的单价及数量字段的合计： select sum(单价 * 数量) from 产品 var函数 var函数，计算指定字段之中符合查询条件的变异数估计值。 　　语法为var(运算式)。运算式，可为字段名称、运算式、或一个函数，此函数可以是一个内部或使用者定义的，但不能为其它的sql函数。 　　如果符合查询条件的记录为两个以下时，var函数将传回一个null 值，该表示不能计算变异数。 select min(c) from (select min(b ) as c from tab_nameunionselect min(a) as c from tab_name)             



给我老师的人工智能教程打call！http://blog.csdn.net/jiangjunshow