“聚类分布制图”工具集概述

“聚类分布制图”工具集包含的工具可通过执行聚类分析来识别具有统计显著性的热点、冷点和空间异常值以及类似要素或区域的位置。 当需要根据一个或多个聚类的位置执行行动时,这些工具十分有用。 例如,在需要分配更多的警力来处理一组集中出现的入室盗窃案时。 要确定造成聚类的潜在原因时,准确锁定空间聚类的位置也很重要,例如,通过确定疾病爆发的地点通常能够找到有关疾病根源的线索。 “分析模式”工具集中的工具只对“是否存在空间聚类?”这样的问题回答是或否,与此不同的是,“聚类分布制图”工具可以直观地呈现聚类位置和范围。 此工具可用于回答以下问题:聚类(热点和冷点)出现在哪里? 哪里的事件点最密集? 空间异常值的位置在哪里? 哪些要素最相似? 如何对这些要素进行分组可以使各个组的相似程度最低?如何对这些要素进行分组以使各个区域均为同类?

工具描述

构建平衡区域

使用基于指定标准的遗传增长算法在研究区域中创建空间连续区域。

计算复合索引

组合多个数值变量以创建单个指数。

聚类和异常值分析 (Anselin Local Moran's I)

给定一组加权要素,使用 Anselin Local Moran's I 统计量来识别具有统计显著性的热点、冷点和空间异常值。

基于密度的聚类

基于点要素的空间分布查找周围噪点内的点要素聚类。 可以整合时间以查找空间-时间聚类。

热点分析 (Getis-Ord Gi*)

给定一组加权要素,使用 Getis-Ord Gi* 统计识别具有统计显著性的热点和冷点。

热点分析对比

比较两个热点分析结果图层并衡量它们的相似度和关联度。

多元聚类

仅根据要素属性值查找要素的自然聚类。

优化的热点分析

假设存在事件点或加权要素(点或面),可以使用 Getis-Ord Gi* 统计数据创建具有统计显著性的热点和冷点的地图。 评估输入要素类的特征以产生最佳结果。

优化的异常值分析

假设存在事件点或加权要素(点或面),可以使用 Anselin Local Moran's I 统计数据创建具有统计显著性的热点、冷点和空间异常值。 评估输入要素类的特征以产生最佳结果。

相似搜索

根据要素属性确定哪些候选要素与单个或多个输入要素最相似或者最不相似。

空间异常值检测

识别点要素中的全局或局部空间异常值。

空间约束多元聚类

基于一组要素属性值以及可选的聚类大小限值来查找在空间上相邻的要素聚类。

“聚类分布制图”工具