R语言 voronoi包 adap.kern()函数中文帮助文档(中英文对照)

loveR

adap.kern(voronoi)
adap.kern()所属R语言包：voronoi

                                         Kernel estimation using adaptive bandwidth
                                         核估计的自适应带宽

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimates the intensity of a point pattern using a gaussian kernel with spatially adaptive bandwidth.
使用高斯内核空间自适应带宽的点模式估计的强度。


用法----------Usage----------


adap.kern(y, p, lambda, poly = NULL)



参数----------Arguments----------

参数：y
A matrix of locations at which intensity is to be estimated.
A矩阵的位置，在该强度是要估计。


参数：p
A matrix of locations of observed points.
矩阵观测点的位置。


参数：lambda
An initial (global) bandwidth.
一个初始（全局）带宽。


参数：poly
A matrix containing the x and y coordinates of the vertices of the polygon surrounding the space. If NULL, then a rectangle is used.
含A矩阵x和y周围的空间的多边形的顶点坐标。如果NULL，然后使用一个矩形。


值----------Value----------

A vector of intensity estimates for locations x.
一个向量位置的强度估计为x。


（作者）----------Author(s)----------



Christopher D. Barr




参考文献----------References----------

Stock C and Smith EGC. Adaptive Kernel Estimation and Continuous Probability Representation of Historical Earthquake Catalogs. Bulletin of the Seismological Society of America. Vol 92, No 3, p 904-912.

参见----------See Also----------

bw, pattern.sim
bw，pattern.sim


实例----------Examples----------



par(mfrow = c(2,2))

#=====&gt; Create point pattern &lt;=====#[=>创建点模式<=====＃]
gon  <- cbind(c(0,1,1,0), c(0,0,1,1))
r    <- 8
p    <- pattern.sim(r, type = "moon")
plot(p, main = "points")

#=====&gt; Create grid and plot truth &lt;=====#[=>创建网格，图真相=====＃]
n    <- 75
gd   <- seq(0, 1, len = n)
y    <- as.matrix(expand.grid(gd, gd))
z0   <- pattern.sim(r, type = "moon", pts = y)[,3]
m0   <- matrix(z0, n, n)
grsc <- grey(seq(1, 0, len = 1500))
image(m0, col = grsc, axes = FALSE, main = "truth")
box()

#=====&gt; Adaptive kernel &lt;=====#[=====>自适应核=====＃]
l    <- bw(p)
z1   <- adap.kern(y, p, l, gon)
m1   <- matrix(z1, n, n)
image(m1, col = grsc, axes = FALSE, main = "adaptive kernel")
box()

#=====&gt; Fixed kernel &lt;=====#[=====>固定内核=====＃]
z2   <- lambdahat(p, l, y, gon)$lambda
m2   <- matrix(z2, n, n)
image(m2, col = grsc, axes = FALSE, main = "fixed kernel")
box()

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。