点パターン解析アルゴリズム

ポイントパターン分析アルゴリズム、およびポイントパターン分析に関する文献、オンラインリソース、書籍のタイトルを募集しています。トピックは、アルゴリズムの一般的な説明から、あらゆる研究分野での具体的なユースケースにまで及びます。

7月31日15:54更新：

ポイントパターンの線形特徴を検出するローカルメソッドに特に興味があります。たとえば、gpsポイントから道路/トラックジオメトリを作成します。

ここではおそらく空間統計が典型的な例です。また、空間データ分析はしっかりした概要を提供します

空間データ分析の統計的方法、地理空間分析-包括的なガイドと地理情報分析も、優れた概要を提供します。

より実用的な別の方法は、Rを調べることです。リソースの一般的な概要については、CRAN空間タスクビューをご覧ください。ほとんどのパッケージには、優れたドキュメントと例が付属しています。

ノートのかなり良いセットがあり、ここに主に焦点を当て、spatstatパッケージが。また、Rブックを使用した空間データ分析の適用も便利です。

過去を振り返ることは嫌いですが、CrimeStatプログラムに関するNed Levineの参考文献をチェックするために、一般的にポイントパターン分析に興味がある人にはお勧めします。これは、素人を対象とした多種多様なポイントパターン分析の大きなリファレンスです（単なる犯罪分析よりもはるかに一般化可能です）。プログラマは、Crimestatに実装されているさまざまなプログラムのライブラリ（すべてのdll）にも興味があるかもしれません。また、人々がすでに言及した地理空間分析オンライン電子書籍もチェックアウトする必要があることに同意します。

Crimestatのルーチンは、ポイントパターンの線形フィーチャを識別するのにおそらくあまり役​​に立たないでしょうが、それは間違いなく、ボートパターンのポイントパターン分析手法の良い紹介テキストです。

2つの一般的なポイントクラスタリング方法は、階層クラスタリングとk-meansクラスタリングです。ウィキペディアも参照してください。

点の空間構造の認識方法に興味がある場合は、いわゆる「ゲシュタルト知覚法則」をご覧ください。

具体的な使用例は、地図作成です。適切な方法で自動的に表現するには、マップシンボルの空間構造を検出および評価する必要があります。この記事では、マップシンボルの配置を検出して、いくつかの小さな縮尺でマップシンボルを表す方法の例を示します。

これは、「グローバル」ポイントパターンと「ローカル」ポイントパターンのどちらを見るかによって異なりますか？良い答えを得る前に、おそらく問題のスペースの詳細を提供する必要があります（これが単なる宿題の質問でない限り）。