适合批量处理超大型数据的程序，采用矩阵思路编写，相比较循环处理，效率提升数百倍，谁用谁知道，有问题请给我留言。

此函数通过查找给定数据集中所有成对点组合之间的中值斜率来执行非参数 Theil-Sen 稳健线性回归算法的快速版本。 对于我的应用程序，我需要在大型数据集（数千个点）上运行稳健的回归，但我在文件交换上发现的实现速度太慢（见图）。 此代码的速度要快得多，对于大型数据集，其速度比当前可用的代码快两个数量级。

Theil-Sen 估计器，也称为 Sen 斜率估计器、斜率选择、单中值法或 Kendall 稳健线拟合法，是一种稳健线性回归方法，通过成对的两维样本点。 它以 Henri Theil 和 Pranab K. Sen 的名字命名，他们分别于 1950 年和 1968 年发表了关于该方法的论文。 它可以有效地计算，并且对异常值不敏感； 对于偏斜和异方差数据，它可以比简单的线性回归准确得多，并且即使对于正态分布的数据也能与简单的最小二乘法竞争。 它被称为“用于估计线性趋势的最流行的非参数技术”。 PS：如何使用的示例代码可以在 .mfile 中找到 注意：此代码只能用于二维情况。 这是对==>的回应http://www.mathworks.nl/support/solutions/zh-CN/data/1-FERW6X/index.html?product=ML&solution=1-F

基于1998年到2011年长时序SPOT VEGETATION归一化植被指数数据，采用一元线性回归斜率变化法和Sen Mann-Kendall法对北京地区的植被变化趋势做了时空分析。实验结果表明：在1998年到2011年期间，北京市城区、延庆县、怀柔区和平谷区的植被变化趋势显著上升；而植被恶化区则集中在北京市城区北部、东部和南部，并以马蹄形包围北京市区。两种方法实验结果在植被上升（下降）区域具有一致性。同时，Sen Mann-Kendall法以其良好的抗噪性和对数据分布无要求性可广泛应用到其他区域的植被变化趋势分析中。

可针对遥感时序数据进行空间上的SEN趋势度分析及MK显著性检验，亲测可用

OV7955 Sensor的datasheet，希望能给需要的朋友有所帮助

基于matlab 的长时间栅格数据的sen趋势分析

SAP ENABLE NOW是SAP的一款云产品，主要应用于培训资料的制作与交付

MATLAB泰森斜率+MK趋势分析函数代码 Mann-Kendall Tau (aka Tau-b) with Sen's Method (enhanced)

Mann-Kendall Tau非参数函数计算表示等距数据的趋势强度和方向的系数。 虽然您不需要统计工具箱来计算 Tau，但您确实需要它来测试显着性。 此函数将计算Tau-a和Tau-b，重要性（以及各种支持统计数据），以及非参数斜率方法：Sens方法。 注意：仅在此功能中需要统计工具箱才能测试其重要性。 否则，除了Matlab本身，就没有其他要求。 增强功能包括：现在支持最近提交的季节性 Kendall 趋势测试 (sktt.m)。 将允许在同一时间索引中进行多个观察。 为Sens斜率添加了置信区间。 也可以打开/关闭绘图。 第二个增强功能：测试趋势异常，修复并通知用户。 参考在函数的注释中。 鉴于当今计算机的速度，在某些计算中避免使用Matlab中的循环并不像过去那样重要。 但是，编写没有循环的函数是一种优雅的形式，我认为有些人可能会赞赏。 因此，这个函数是在没有任何循环的情