The statistical analysis of structured spatial point process data where the event locations are determined by an underlying spatially embedded relational system has become a vivid field of research. Despite a growing literature on different extensions of point process characteristics to linear network domains, most software implementations remain restricted to either directed or undirected network structures and are of limited use for the analysis of rather complex real-world systems consisting of both undirected and directed parts. Formalizing the network through a graph theoretic perspective, this paper discusses a complementary approach for the analysis of network-based event data through generic network intensity functions and gives a general introduction to the intensitynet package implemented in R covering both computational details and applications. By treating the edges as fundamental entities, the implemented approach allows the computation of intensities and other related values related to different graph structures containing undirected, directed, or a combination of both edges as special cases. The package includes characteristics for network modeling, data manipulation, intensity estimation, computation of local and global autocorrelation statistics, visualization, and extensions to marked point process scenarios. All functionalities are accompanied by reproducible code examples using the chicago data as toy example to illustrate the application of the package.


翻译:由空间嵌入关系系统决定事件位置的结构性空间点进程数据的统计分析已成为一个生动的研究领域。尽管关于点进程特性向线性网络域的不同延伸的文献越来越多,但大多数软件实施仍局限于定向或非定向网络结构,用于分析由非定向和定向部分组成的相当复杂的真实世界系统方面的统计分析也有限。通过图表理论角度将网络正规化,本文讨论了通过通用网络强度功能分析网络事件数据的一种补充方法,并全面介绍了R在计算细节和应用方面实施的强度网包。通过将边缘作为基本实体处理,所实施的方法允许计算与包含无定向、定向或将两种边缘组合的不同图形结构有关的强度和其他相关值,作为特例。这套方法包括网络建模、数据操纵、强度估计、本地和全球自动化统计的计算、可视化和扩展到标识点进程情景的特征。所有功能都辅之以可复制的代码示例,同时使用芝加哥包数据作为示例,用于说明应用情况。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
12+阅读 · 2022年11月21日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
ACM TOMM Call for Papers
CCF多媒体专委会
2+阅读 · 2022年3月23日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Latest News & Announcements of the Tutorial
中国图象图形学学会CSIG
3+阅读 · 2021年12月20日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium4
中国图象图形学学会CSIG
0+阅读 · 2021年11月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员