空间过滤与缺失地理数据插补方法比较.pdfVIP

第16章

空间过滤与地理参考数据插补：

Getis与Griffith方法的比较

Daniel

Griffith

空间过滤最早由Getis和Griffith各自独立提出，目前已逐步成熟，

Legendre及其同事正在开发第三版。与Getis的方法类似，版本基于距

离；与Griffith的方法类似，它使用特征函数，但特征函数是从修改后的距

离矩阵中提取的——这是一种混合方法。Bivand（2002）指出：“Getis过

滤方法⋯⋯似乎可以预测新数据位置⋯⋯。Griffith特征函数分解方法⋯⋯

则不能⋯⋯。”

本文展示了这两种原始方法的数据预测，并在几个

流行数据集中进行了比较。

16.1

插补问题

Estimation–ization（EM）算法（Dempster等，1977），是一种

在数据集不完整时计算最大似然估计的迭代程序，是解决基于模型的小地理

区域估计问题的有用工具。Flury和Zopp`e（2000，第209页）强调：

必须强调的是，E步骤不仅仅涉及用条件期望来替换数据（尽管在该算法的许

多重要应用中确实是如此）。

但基于模型的小区域地理估