私の質問は、空間 - 時間および高次元データからクラスター分析を行うにはどうすればよいですか? 私の目的は、空間と時間のパターンを示すことができる部分空間クラスターを見つけることです。ここでの空間は地理的な位置を意味するので、自己相関の法則 (トブラーの法則や地理学の第 1 法則とも呼ばれます) を使用する必要があります。これは正しいですか?、最初にすべての変数からウェーブレット変換を介して時間から周波数への変換を行い (すべての変数には時間と地理的位置が関連しているため)、その後、その係数を取得し、一時的な高次元クラスタリングに 1 つのサブスペース クラスタリング アルゴリズムを適用します。 . 一時的なクラスターを取得したら、一時的なクラスター間の地域化を通じて空間的な「クラスター」を見つけようとします。
よろしくお願いします。
ここで何を達成したいのか明確ではありません。一般に、時空間クラスタリングでは、データセット内の特定のパッチに対して多変量ガウス混合モデルのような分布ベースのモデルを使用し、共分散行列パラメーターを更新できます (http://en.wikipedia.org/wiki/Multivariate_normal_distribution) - Inウェーブレット変換係数クラスタリングの場合、存在する空間相関を無視します。
ここで「地域化」が何を意味するのかわかりません
空間相関 (地域化) の解釈としてトブラーの法則を使用していると理解しています。最終的なアプリケーションがどうなるかは明確ではありませんが、そのような状況で私が行ういくつかの検証手順は次のとおりです: all(150) 個の変数がすべて同じ種類の影響を受ける空間と時間の同じスケールに対応しているかどうかを確認するいくつかのケースで問題を単純化できる自己相関 (定常性) の。そして最後に、どの特徴やパターンを抽出し、それらをどのように特徴付けるかを理解する必要があります。これをチェックしてください：http://www.geokernels.org/pages/modern_indexpag.html
それが役に立てば幸いです！
乾杯ラビ
アプリケーションによっては、時間を別の次元として扱うこともできます。