java 高斯拟合_在某些情况下，将单个高斯拟合到'noisy'数据会产生差的拟合

我有一些可以包含0和n高斯形状的嘈杂数据，我正在尝试实现一种算法，该算法采用最高数据点并按照以下“方案”拟合高斯数据：

新尝试，步骤：

通过所有数据点拟合样条曲线

得到样条函数的一阶导数

得到两个数据点(左/右)，其中f'(x)=大约0，具有最大强度的数据点

通过从3返回的数据点拟合高斯

4A . 在pdf中绘制高斯(在基线处停止)

计算高斯曲线下的面积

计算原始数据点下的面积

计算高斯区域解释的总面积百分比

我使用以下代码实现了这个概念(最小的工作示例)：

#! /usr/bin/env python

from scipy.interpolate import InterpolatedUnivariateSpline

from scipy.optimize import curve_fit

from scipy.signal import argrelextrema

import numpy as np

import matplotlib

import matplotlib.pyplot as plt

data = [(9.60380153195,187214),(9.62028167623,181023),(9.63676350256,174588),(9.65324602212,169389),(9.66972824591,166921),(9.68621215187,167597),(9.70269675106,170838),(9.71918105436,175816),(9.73566703995,181552),(9.75215371878,186978),(9.76864010158,191718),(9.78512816681,