¿Cómo construir cuadrantes para procesos puntuales que difieren mucho en frecuencia?


9

Quiero realizar un análisis de conteo cuadrático en varios procesos de puntos (o un proceso de puntos marcados), para luego aplicar algunas técnicas de reducción de dimensionalidad.

Las marcas no están distribuidas de manera idéntica, es decir, algunas marcas aparecen con bastante frecuencia y otras son bastante raras. Por lo tanto, no puedo simplemente dividir mi espacio 2D en una cuadrícula regular, porque las marcas más frecuentes "abrumarán" a las menos frecuentes, enmascarando su apariencia.

Por lo tanto, traté de construir mi cuadrícula de modo que cada celda tenga como máximo N puntos en ella (para hacerlo, simplemente divido cada celda en cuatro celdas más pequeñas (y de igual tamaño), recursivamente, hasta que ninguna celda tenga más de N puntos en eso).

¿Qué opinas de esta técnica de "normalización"? ¿Hay una forma estándar de hacer tales cosas?


1
Si usa una cuadrícula regular y las marcas más frecuentes superan en número a las menos frecuentes, no veo cómo eso "abruma" y "enmascara" las cosas. Podrías elaborar un poco? ¿Estás tratando de reemplazar el contenido de cada cuadrante con solo la marca más común, o algo así?
Wayne

Respuestas:


1

He usado el análisis de cuadrantes solo en cuadrículas regulares. Fue útil con respecto al propósito, que era comparar la dispersión de los datos de muestreo con un proceso conocido, por ejemplo, aleatorio. Por lo tanto, una grilla regular funcionó bien.
El método que desarrolló y describió no es seguro para contar cuadráticos. Por ejemplo, en el método de promedio móvil, una opción es contar el número de vecinos para el proceso, es decir, promediar, lo que simplemente se hace buscando dentro de un círculo (en 2D) o una esfera (en 3D). Su método se ve similar con un uso ligeramente diferente de las muestras seleccionadas.

Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.