Algorithmen zur Punktmusteranalyse

Ich suche nach Algorithmen zur Punktmusteranalyse und Literatur zur Punktmusteranalyse, Online-Ressourcen und Buchtiteln sind willkommen. Die Themen können von allgemeinen Beschreibungen von Algorithmen bis hin zu konkreten Anwendungsfällen in jedem Forschungsbereich reichen.

Update 31. Juli, 15:54 Uhr:

Ich würde mich besonders für lokale Methoden interessieren, um lineare Merkmale in Punktmustern zu erkennen. Erstellen Sie z. B. Straßen- / Gleisgeometrien aus GPS-Punkten.

Die Raumstatistik ist hier wahrscheinlich ein klassisches Beispiel. Auch die Geodatenanalyse bietet einen soliden Überblick

Statistische Methoden für die Geodatenanalyse , Geodatenanalyse - ein umfassender Leitfaden und die Geoinformationsanalyse geben Ihnen ebenfalls einen schönen Überblick.

Ein anderer, praktischerer Weg wäre ein Blick auf R. Schauen Sie sich die CRAN-Ansicht für räumliche Aufgaben an, um einen allgemeinen Überblick über die Ressourcen zu erhalten. Die meisten Pakete enthalten eine gute Dokumentation und Beispiele.

Es ist eine ziemlich gute Menge von Notizen hier , wobei der Schwerpunkt vor allem auf spatstat Paket. Auch die angewandte räumliche Datenanalyse mit dem R- Buch kann nützlich sein.

Ich hasse es, die Vergangenheit aufzupolieren, aber ich würde jedem empfehlen, der sich generell für Punktmusteranalyse interessiert, die Referenzen von Ned Levine für das CrimeStat- Programm zu überprüfen . Es ist eine große Referenz für eine Vielzahl von Punktmusteranalysen, die sich an Laien richten (es ist viel verallgemeinerbarer als nur die Kriminalitätsanalyse). Programmierer könnten auch an den Bibliotheken (alle DLLs) für die verschiedenen in Crimestat implementierten Programme interessiert sein. Ich bin auch damit einverstanden, dass die Leute das bereits erwähnte Online-E-Book Geospatial Analysis lesen sollten .

Obwohl die Routinen in Crimestat wahrscheinlich keine große Hilfe bei der Identifizierung linearer Merkmale in Punktmustern sind, ist es definitiv ein guter Einführungstext für eine Vielzahl von Punktmusteranalysetechniken.

Zwei gängige Punktclustering-Methoden sind das hierarchische Clustering und das k-means-Clustering . Siehe auch auf Wikipedia .

Wenn Sie daran interessiert sind, wie räumliche Strukturen von Punkten wahrgenommen werden, schauen Sie sich die sogenannten "Gestaltwahrnehmungsgesetze" an.

Ein konkreter Anwendungsfall ist die Kartographie. Raumstrukturen von Kartensymbolen müssen erkannt und bewertet werden, um automatisch richtig dargestellt zu werden. Dieser Artikel enthält ein Beispiel für eine Methode zum Erkennen von Ausrichtungen von Kartensymbolen, um sie in mehreren kleineren Maßstäben darzustellen.

Dies hängt davon ab, ob Sie "globale" oder "lokale" Punktmuster betrachten möchten. Sie müssen uns wahrscheinlich mehr Details zu Ihrem Problembereich geben, bevor Sie eine gute Antwort erhalten können (es sei denn, dies ist nur eine Hausaufgabenfrage).