کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6921869 1448222 2018 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive detection of statistically significant regional spatial co-location patterns
ترجمه فارسی عنوان
تشخیص انطباق الگوهای همبستگی مکانی منطقه ای از لحاظ آماری
کلمات کلیدی
ناهمگونی فضایی، الگوهای همکاری منطقه ای فضایی، آزمون معنی دار، غیر پارامتری، خوشه بندی فضایی سازگار،
ترجمه چکیده
الگوهای همبستگی مکانی منطقه ای به زیر مجموعه ای از ویژگی های فضایی اشاره دارند که اغلب در نزدیکی جغرافیایی نزدیک در نقاط خاصی از فضا اتفاق می افتد. کشف نقشه های مکان همپوشانی منطقه ای هنوز بسیار دشوار است زیرا مشخص کردن آستانه مناسب برای اقدامات شیوع بدون اطلاع قبلی و شناسایی مکان های طبیعی نقشه های مکان یابی منطقه ای به طور خودکار دشوار است. در این حساب، یک روش تطبیقی ​​در این مطالعه پیشنهاد شده است. ابتدا یک آزمون معنی داری غیر پارامتری برای ارزیابی شیوع الگوهای مکان یابی مکانی ساخته شده است. سپس یک رویکرد خوشه بندی تطبیقی ​​برای شناسایی نقاط نقشه برداری هر کدام از مکان های هماهنگ مکان های منطقه ای کاندید شده توسعه داده شده است. در نهایت، همه الگوهای آماری مکان یابی مکانی منطقه ای و مکان های محلی آن ها با تکرار گسترش این نقاط مشخص شده اند. مقایسه بین این روش تطبیقی ​​و دو حالت پیشرفته با هر دو مجموعه داده های شبیه سازی شده و اکولوژیکی (به عنوان مثال داده های گونه های تالاب در شمال شرقی چین) انجام می شود. آزمایشات نشان می دهد که روش انطباق پیشنهادی به طور مؤثر و با دانش قبلی کمتر از روش های پیشرفته تر، امکان تشخیص الگوهای همپوشانی مکانی منطقه ای را فراهم می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
تشخیص انطباق الگوهای همبستگی مکانی منطقه ای از لحاظ آماری
چکیده انگلیسی
Regional spatial co-location patterns refer to subsets of spatial features that often co-occur in close geographical proximity in certain localities of space. Discovering regional spatial co-location patterns is still very challenging because it is difficult to specify appropriate thresholds for prevalence measures without prior knowledge and to detect natural localities of regional spatial co-location patterns automatically. On that account, an adaptive method is proposed in this study. First, a non-parametric significance test is constructed to evaluate the prevalence of spatial co-location patterns. Then, an adaptive pattern clustering approach is developed to detect hotspots of each candidate regional spatial co-location pattern. Finally, all statistically significant regional spatial co-location patterns and their localities are detected by iteratively expanding these hotspots. Comparisons between this adaptive method and two state-of-the-art methods are carried out with both simulated and ecological datasets (i.e. a wetland species dataset in northeast China). Experiments show that the proposed adaptive method allows detecting regional spatial co-location patterns effectively and with less prior knowledge than the state-of-the-art methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers, Environment and Urban Systems - Volume 68, March 2018, Pages 53-63
نویسندگان
, , , , ,