제 질문은 공간 - 시간 및 고차원 데이터에서 클러스터 분석을 만드는 방법입니다. 제 목적은 공간과 시간에 패턴을 보여줄 수있는 부분 공간 클러스터를 찾는 것입니다. 여기 공간은 지리적 위치를 의미하므로 자기 상관법 (Tobler law 또는 지리학의 첫 번째 법칙이라고도 함)을 사용해야합니다. 이게 맞습니까? 먼저 모든 변수가 시간과 지리적 위치를 가지고 있기 때문에 모든 변수에서 웨이브 렛 변환을 통해 시간에서 주파수로 변환을하고 그 후에 계수를 취하여 시간 차원의 고차원 적 클러스터링 알고리즘을 적용합니다 클러스터링. 임시 클러스터가 생기면 임시 클러스터 간 공간 "클러스터"물마루 지역화를 찾습니다.고차원 시공간 클러스터링
미리 감사드립니다.
에 의해 여기에 무엇을 의미하는지에 의한 모르겠습니다. 그 최종 신청이 무엇인지 명확하지 않지만 그러한 상황에서 내가 할 수있는 몇 가지 확인 단계는 다음과 같습니다. 모든 (150) 변수가 모두 같은 종류의 시공간적 규모에 해당하는지 확인 (연속성)의 문제를 단순화 할 수 있습니다. 그리고 마지막으로 어떤 특징이나 패턴이 추출되어야하는지, 어떻게 특성화되는지 이해해야합니다. 이것을 확인하십시오 : http://www.geokernels.org/pages/modern_indexpag.html
희망이있었습니다.
환호 라비
응용 프로그램에 따라 시간을 다른 차원으로 만 처리 할 수 있습니다.
여기서 달성하고자하는 것이 명확하지 않습니다. 일반적으로 시공간적 클러스터링을 위해서는 Dataset의 주어진 패치에 대해 다 변수 Guassian Mixture Model과 같은 분포 기반 모델을 사용하고 공분산 매개 변수 (http://en.wikipedia.org/wiki/Multivariate_normal_distribution)를 업데이트 할 수 있습니다. - In 웨이블릿 변환 계수 클러스터링의 경우 우리는 공간 상관을 무시합니다.
난 당신이 내가 당신이 공간 상관 (지역화)의 해석으로 toblers 법을 사용하는 것이 이해 "지역화"
답장을 보내 주셔서 감사합니다. @Ravi. 내가하고자하는 것은 특수한 데이터베이스의 공간적, 시간적 패턴으로부터의 특성 분석이다. 모든 행은 측정 값이 취해질 때 (150 개의 변수가 측정된다)와 지리적 위치에 대한 정보를 준다. – Phill
내가 제안한 모델을 사용하지 않은 한 가지 이유는 데이터에서 비 파라 메트릭 분석을 만들고 싶다는 것입니다. 또 다른 이유는 이것이 토 블러의 지리학의 첫 번째 법칙에 대한 특별한 가정을하지 않는다는 것입니다. – Phill
정확하게 지역화는 Tobler의 법칙에 대한 가정을하는 방법입니다. 이 책의 – Phill
, 감사합니다. 내가 읽은 것에 대해서는, 웨이블릿 계수와 같은 시간 표현 체계를 적용하는 것이 필요하다. 다른 방식으로는 단지 하나의 비 - 일시적 클러스터링 방법이기 때문이다. 나는이 책 [링크] (http://www.amazon.com/Temporal-Mining-Chapman-Knowledge-Discovery/dp/1420089765)에서 읽었습니다. – Phill