Tôi đang tìm kiếm các thuật toán phân tích mô hình điểm và tài liệu về phân tích mô hình điểm, tài nguyên trực tuyến và tên sách được chào đón. Các chủ đề có thể bao gồm từ mô tả chung về thuật toán đến các trường hợp sử dụng cụ thể trong bất kỳ lĩnh vực nghiên cứu nào.
Cập nhật ngày 31 tháng 7 năm 15:54:
Tôi đặc biệt quan tâm đến các phương pháp cục bộ để phát hiện các tính năng tuyến tính trong các mẫu điểm. ví dụ: tạo hình học đường / theo dõi từ các điểm gps.
Câu trả lời:
Thống kê không gian có lẽ là ví dụ cổ điển ở đây. Cũng không gian phân tích dữ liệu cung cấp cái nhìn tổng quan rắn
Phương pháp thống kê để phân tích dữ liệu không gian , phân tích không gian địa lý - một hướng dẫn toàn diện và phân tích thông tin địa lý cũng sẽ cung cấp cho bạn tổng quan tốt.
Một cách khác, định hướng thực tế hơn để đi là nhìn vào R. Hãy xem quan điểm về các nhiệm vụ không gian của CRAN để có cái nhìn tổng quát về tài nguyên. Hầu hết các gói đi kèm với tài liệu tốt và ví dụ.
Có một bộ ghi chú khá tốt ở đây , tập trung chủ yếu vào gói spatstat . Phân tích dữ liệu không gian cũng được áp dụng với sách R có thể có ích.
Tôi ghét phải vượt qua quá khứ, nhưng tôi sẽ đề nghị bất cứ ai quan tâm đến phân tích mô hình điểm nói chung để kiểm tra các tài liệu tham khảo của Ned Levine cho chương trình CrimeStat . Nó là một tài liệu tham khảo lớn cho một loạt các phân tích mô hình điểm nhằm vào giáo dân (nó khái quát hơn nhiều so với phân tích tội phạm đơn giản). Các lập trình viên cũng có thể quan tâm đến các thư viện (tất cả các dll) cho các chương trình khác nhau được triển khai trong Crimestat. Tôi cũng đồng ý mọi người nên xem cuốn sách điện tử trực tuyến Phân tích không gian địa lý đã được đề cập là tốt.
Mặc dù các thói quen trong Crimestat có thể sẽ không giúp ích nhiều cho việc xác định các tính năng tuyến tính trong các mẫu điểm, nhưng đây chắc chắn là một văn bản giới thiệu tốt cho một kỹ thuật phân tích mô hình điểm.
Hai phương pháp phân cụm điểm phổ biến là phân cụm Phân cấp và phân cụm k-nghĩa . Xem thêm trên wikipedia .
Nếu bạn quan tâm đến cách cảm nhận cấu trúc không gian của các điểm, hãy xem cái gọi là "luật nhận thức cử động".
Một trường hợp sử dụng cụ thể là trong bản đồ. Các cấu trúc không gian của các ký hiệu bản đồ phải được phát hiện và đánh giá để được tự động thể hiện một cách thích hợp. Bài viết này đưa ra ví dụ về phương pháp phát hiện sự sắp xếp các ký hiệu bản đồ để thể hiện chúng ở một số tỷ lệ nhỏ hơn.
Điều này phụ thuộc vào việc bạn muốn xem các mẫu điểm "toàn cầu" hay "cục bộ"? Bạn có thể cần cung cấp cho chúng tôi thêm chi tiết về không gian vấn đề của bạn trước khi bạn có thể nhận được câu trả lời tốt (trừ khi đây chỉ là một câu hỏi bài tập về nhà).