什么是gis核密度计算

Posted 2023-02-27

核密度估计（kernel density estimation）是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。100个正态分布的乱数的核密度估计核密度估计在估计边界区域的时候会出现边界效应。在单变量核密度估计的基础上，可以建立风险价值的预测模型。通过对核密度估计变异系数的加权处理，可以建立不同的风险价值的预测模型。一些比较常用的核函数是： 均匀核函数 k(x)=1/2,-1≤x≤1 加入带宽h后： kh(x)=1/(2h),-h≤x≤h三角核函数 k(x)=1-|x|,-1≤x≤1 加入带宽h后： kh(x)=(h-|x|)/h^2,-h≤x≤h伽马核函数 kxi(x)=[x^(α-1)exp-xα/xi]/[(xi/α)^α.Γ(α)]gis中的密度分析，分为核密度分析，点密度分析和线密度分析。通过密度分析，我们可以讲测量的来的点或者线生成连续表面，从而可以找出那些地方点或者线比较集中。也就是，密度分析是根据输入要素数据计算整个区域的数据聚集状况。密度分析是通过离散点数据或者线数据进行内插的过程，根据插值原理不同，主要是分为核密度分析和普通的点\线密度分析。核密度分心中，落入搜索区的点具有不同的权重，靠近搜索中心的点或线会被赋予较大的权重，反之，权重较小，它的计算结果分布较平滑。在普通的点\线密度分析中，落在搜索区域内的点或线有相同的权重，先对其求和，再除以搜索区域的大小，从而得到每个点的密度值。 参考技术A 其实可以理解为大区域中一个核心的小区域，就是这个区域的核。核密度计算其实就是关注一个核对周边的影响强度的计算。比如，上海是长三角的核，南京、苏州这些在某些情况下是一个个小核。通常是和交通等连接通道一起去评估核的影响力 参考技术B http://resources.arcgis.com/zh-cn/help/main/10.1/index.html#//009z0000000s000000