高值与低值空间聚类的精确检测.pdfVIP

第32卷 第 1期 燕山大学学报 VO1．32 NO．1 2008年1月 Journal ofYanshan University Jan．2008 文章编号：1007—791X(2008)01—0084—03 高值与低值空间聚类的精确检测 于尚洋 ，宋向东 ，张海森 ，温育芳 (1．燕山大学 理学院，河北 秦皇岛 066004) 摘 要：提出了两个调整数据的新方法来弥补通常空间聚类检测的不足，从而能够对高值或低值聚类进行精确 检测。两个方法被分别在模拟的空间类型中应用于Moran’肺釜测。结果表明，当不存在空间聚类时，该方法对原 检测毫无影响；当有聚类趋势时，经该方法调整数据后，可以显著地检测出高值或低值聚类的存在。 关键词：空间聚类；数据调整；精确检测 中图分类号：0212 文献标识码：A 0 引言 Zhang基于Tango’S CG整体检验为罕见疾病的低值 聚类提供了一种检测方法 。本文将建立两个调整 精确检测高值或低值聚类无论是在统计理论 数据的新方法，并给出它们的统计特性，然后结合 上还是在实际应用中都具有重要意义。空间聚类的 Moran’S E随机模拟情况下分别对高值和低值空 检测实际上是一个类似于空间正自相关的假设检 间聚类进行检测。 验问题： 凰：{不存在空间聚类}vs蜀：{存在空间聚类} 1 两个新数据调整方法AHVcT和ALVcT 以一种疾病在某个地区的发病情况为背景进 利用Moran’作 为检验统计量 行研究。假设将该地区划分为m个区域，每个区域 标记为i(f==l，2，…， )，有以下条件成立 ∑Zwo．(X~一 一 ，=旦 ——————一 ∑ 一 ∑毒 F1 — — 一 ∑∑w 则拒绝域为： ={ ：I_Io}，其中厶为聚类的临界值。 ∑Ⅳ F1 当拒绝原假设时，只表明高值或低值聚类整体 M D D，2( 毒) 趋势的存在性，但不能鉴别出它是高值还是低值聚 类。这说明在空间自相关类型的假设检验中信息发 其中，毒为i区的人口数，沩 总人口数，Ⅳ为i区的 生丢失。这种信息丢失将导致量度的失真和推断的 发病人数，且各 相互独立，^伪总发病人数， 为 失误。为避免这种信息丢失，人们试图找到精确检 沤的相对风险系数， 为正常发病率，是一个常数。 测高值与低值空间聚类的方法。Kulldorff在1997 年提出了scan statistic…，0rd和Getis在2001年 定义1 若 i。，ViE{li-i。l }