基于名义尺度的空间自相关指数测度方法研究*

从空间自相关的基本构成出发,提出了一种测度名义尺度的空间自相关指数——自邻接指数,给出了基于名义尺度下全局空间自相关和局部空间自相关的测度方法,并在ArcView平台下通过Avenue二次编程进行了算法实现。最后通过例子展示了自邻接指数在土地利用格局分析中发挥的重要作用。     

基于名义尺度的空间自相关指数测度方法研究

从空间自相关的基本构成出发,提出了一种测度名义尺度的空间自相关指数--自邻接指数,给出了基于名义尺度下全局空间自相关和局部空间自相关的测度方法,并在ArcView平台下通过Avenue二次编程进行了算法实现.最后通过例子展示了自邻接指数在土地利用格局分析中发挥的重要作用.     

Moran’s I指数计算中空间权重文件的生成实现①

Moran’s I指数是空间自相关分析常用的指标。ArcGIS9.0加强了空间统计分析功能,在Moran’s I指数计算中,他提供了6种空间关系的定义方法。但在基于空间权重文件的方法中,ArcGIS9.0没有提供相应的空间权重文件生成的运算工具,需编程实现。基于MapBasic实现了基于二进制权重的空间权重文件的生成,并给出了详细的实现过程和具体的应用实例。     

基于名义尺度栅格数据空间自相关测度初探

空间自相关是地理信息科学目前研究的热点问题,作为空间数据挖掘的一种手段,它着重分析了空间实体的聚集程度,阐释了事物之间普遍联系的准则。值得注意的是,目前空间自相关的研究多以空间实体定量化属性为对象,针对定性表达数据测度的空间自相关研究稍显不足。本文以名义尺度下的栅格数据作为研究对象,通过定义空间自邻接指数提出一种空间自相关测度算法,并将其应用到土地利用数据分析中得到了较好的试验结果。     

利用时空自相关指数的植被变化检测

针对现有遥感变化检测方法中变化信息提取不够精确、对待检测影像数据质量和配准精度要求高等问题,提出一种利用时空自相关指数检测植被变化的方法。该方法先计算待检测区域两个时相影像数据的时空自相关指数,再设定目标函数确定变化检测最佳阈值,并以空间自相关指数为依据滤除噪声、提高检测精度,可以集成现有基于像元和基于对象的变化检测方法的相对优势,同时把握待检测区域的整体和细部特征变化。以长汀县人工植被和自然植被变化检测为案例的实证研究结果表明,所提出的方法在一定程度上克服了现有变化检测方法在精度、适应性与自动化程度3个方面的局限性,能更好地满足遥感影像变化检测的应用需求。     

基于混沌理论的心电信号特性研究

按照混沌理论分析心电信号。采用C-C算法估计心电信号的延迟时间τ和嵌入维数m,并与自相关函数法的计算结果进行对比,在二维相空间重构图上进行验证。结果表明C-C算法优于自相关函数法。分别计算健康人及室性失常病人、束支传导阻滞病人和室上病变病人心电信号的Lyapunov指数,对比发现健康人与各类心脏病人的Lyapunov指数之间存在显著差别。     

基于空间统计学的空间关联挖掘

将空间统计分析应用于空间关联挖掘领域，给出空间权重矩阵、空间自相关和空间关联的度量函数，并以中国有代表性的37个大中城市的地理空间数据为例，进行空间关联研究。根据空间数据的地理位置构造其Voronoi图、Delaunay图，计算空间对象之间的距离并构造其邻域图和空间自相关矩阵，在此基础上计算空间对象间的空间自相关系数和局部空间关联系数，包括Mnran’s I、Gereay’s C、局部Moran、G统计，并依据这些系数发现空间对象间的空间关联知识。     

多氯联苯分子空间坐标与气相色谱相对保留时间的QSPR研究

应用ChemWindow和ChembioOffice绘图软件对209种多氯联苯化合物(PCBs)作图,通过分子最低能量模块计算得到其空间稳定构型,空间构型对应着分子空间坐标,固定坐标原点,得到同一坐标系的分子空间坐标。对PCBs分子空间坐标研究,定义了2个描述符,原子距离指数(Y_S)和分子空间特征指数(Y_F)。用多元线性回归方法获得了多氯联苯化合物的气相色谱相对保留时间(GCRRT)与该空间距离指数之间良好的定量结构一性质相关(QSPR)模型,定义的指数易于计算和运用。模型相关性良好(R=0.990),具有较高的预测能力和可靠性,从另一角度为QSPR研究提供一个新的思路。     

基于Voronoi和空间自相关的离群点检测

为了提高空间数据挖掘的效率和准确度,在分析传统的离群点检测算法优、缺点的基础上,提出一种空间离群点检测算法。用Voronoi来确定空间对象间的邻近关系,在空间邻域内利用空间自相关性来计算局部Moran指数,并将其作为离群因子进而判断离群点。实验结果表明,该算法能够高效、准确地检测出空间离群点,具有对用户依赖性少和可伸缩性强等优点。     

基于Voronoi和空间自相关的离群点检测

为了提高空间数据挖掘的效率和准确度,在分析传统的离群点检测算法优、缺点的基础上,提出一种空间离群点检测算法。用Voronoi来确定空间对象间的邻近关系,在空间邻域内利用空间自相关性来计算局部Moran指数,并将其作为离群因子进而判断离群点。实验结果表明,该算法能够高效、准确地检测出空间离群点,具有对用户依赖性少和可伸缩性强等优点。     

一种分段平稳随机过程自相关函数逼近模型

为处理信号处理过程中经常遇到非平稳随机信号,可以将其划分为分段平稳随机信号,而自相关函数则可以用来反映分段平稳信号的本质特征。分析了分段平稳随机过程自相关函数的计算,针对传统的函数逼近模型计算量较大、误差较高等缺点,提出一种新的自相关函数的逼近模型,给出分段平稳随机信号的自相关函数的近似表达式,并利用牛顿迭代法进行优化计算。仿真实验证明模型计算速度快,具有较好的逼近效果,误差也明显降低,而且变化相对平缓。将其应用到数字图像信号进行模糊图像恢复,得到了很好的恢复效果。     

自相关矩阵的时空二维估计方法

当不相关信号源入射到均匀线阵，线阵阵元输出信号是空间广义平稳的，其自相关矩阵是赫尔米特托普尼兹矩阵，作者利用阵列信号的空间平稳性质，提出了自相关矩阵的时空二维估计方法。通过大量的模拟实验，验证了时空二维估计方法比常规的时间最大似然估计方法有明显的优越性，它以微弱的计算量换来了估计性能的大幅度改善。     

Construction of the weight polynomial for autocorrelation of <Emphasis Type="Italic">q</Emphasis>-ary words

An explicit formula for the weight polynomial for autocorrelation of q-ary words is obtained. It allows an easy calculation of the weight coefficients using conventional computer algebra tools.     

Linearization of logical functions defined by a set of orthogonal terms. I. Theoretical aspects

Consideration was given to the linearization of logical functions defined by a set of pairwise orthogonal terms. The linearization is carried out by computing the autocorrelation functions. Proposed was a method consisting of (i) calculation of the autocorrelation function in the space of orthogonal terms, (ii) generation of the corresponding matrix of linear transformation, and (iii) the linear transformation proper of the variables in the space of orthogonal terms. Complexity of the proposed method and its effectiveness were estimated. Effectiveness was verified by a series of experiments with standard benchmarks. The distinctions of the proposed method from other existing methods of linearization were examined.     

基于压缩技术的子空间迭代法及在谱估计中的应用

提出了一种基于压缩技术和子空间迭代的特征向量迭代估计算法,由于该算法采用迭代形式,同目前的特征向量求解方法相比(如奇异值分解法),该算法计算量小、复杂度低、算法收敛速度快、易于实时实现,可对由信号构成的自相关矩阵的特征向量作出准确的估计。通过仿真实验可见该算法具有很高的估计精度。将该算法应用到MUSIC(multiple signal classification)谱估计中,通过计算机进行仿真对比可以看到,利用提出的算法进行谱估计精度要高于标准的MUSIC谱估计精度,且计算量大大减小,由此验证了算法的有效性和优越性。     

Probability calculation for the Durbin-Watson correlation test

One of the assumptions of least squares regression models is that the regression error terms are independent of each other. This condition is often violated when analyzing data taken from observations over time; an important type of data in environmental studies. The statistic used to estimate whether the lag 1 coefficient of autocorrelation is equal to zero is known as the Durbin-Watson statistic. This article develops a methodology for the implementation of the probability calculation for the Durbin-Watson test for serial autocorrelation in least squares regression models. The algorithms defined by Durbin and Watson in their 1971 paper were examined, essential calculations were defined and a computer implementation using FORTRAN 77 was developed. The computer code was verified via the simulation of a simple known regression with no autocorrelation and confirmation that the distribution of the results is roughly uniform. Timing curve for runs using a DEC VAX-11/750 and a full listing of the subroutine source code are also included.     

Spatial structure,sampling design and scale in remotely-sensed imagery of a California savanna woodland

Abstract

This article describes research related to sampling techniques for establishing linear relations between land surface parameters and remotely-sensed data. Predictive relations are estimated between percentage tree cover in a savanna environment and a normalized difference vegetation index (NDVI) derived from the Thematic Mapper sensor. Spatial autocorrelation in original measurements and regression residuals is examined using semi-variogram analysis at several spatial resolutions. Sampling schemes are then tested to examine the effects of autocorrelation on predictive linear models in cases of small sample sizes. Regression models between image and ground data are affected by the spatial resolution of analysis. Reducing the influence of spatial autocorrelation by enforcing minimum distances between samples may also improve empirical models which relate ground parameters to satellite data.     

一种基于改进设计性能指标的模型预测控制器性能监控方法

受随机噪声的影响,传统的设计性能指标是一个自相关的随机变量,传统的统计过程控制方法无法对其进行有效的监控。针对此问题,本文提出一种基于改进设计性能指标的模型预测控制器性能监控方法。为了对控制系统一段时间内的整体性能做出有效评价,首先将性能指标转化为平均形式,建立该性能指标的时间序列模型并对其进行预测,对预测误差进行统计过程控制,包括对预测残差及其累积和的监控,实现了对控制系统总体性能的实时评价。当检测出控制系统性能出现下降时,通过基于距离的判别分析方法快速定位性能下降源。在Wood-berry塔上的仿真研究验证了方法的可行性与有效性。