浅析核密度估计方法

1．核密度估计概念 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Rosenblart（1955）和EmanuelParzen（1962）提出,又名Parzen窗（Parzenwindow）。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。由给定样本点集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一。解决这一问题的方法包括参数估计和非参数估计。参数估计又可分为参数回归分析和参数判别分析。在参数回归分析中,人们假定数据分布符合某种特定的性态,如线性、可化线性或指数性态等,然后在目标函数族中寻找特定的解,即确定回归模型中的未知参数。     

应对区域背景变革的肇庆市中心区域协调发展策略

随着区域经济一体化趋势的加强,区域背景的变革对城市（或地区）的影响日益增强。本文以肇庆市中心区域为例,按照“区域背景变革的描述——区域背景变革带来的相关影响分析——城市应对策略”的路径,探讨了肇庆市中心区域协调发展中的重点策略,如区域空间结构重组、产业发展策略、空间区划等。