R语言 spatstat包 rMatClust()函数中文帮助文档(中英文对照)

loveR

rMatClust(spatstat)
rMatClust()所属R语言包：spatstat

                                        Simulate Matern Cluster Process
                                         模拟Matern聚类进程

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Generate a random point pattern, a simulated realisation of the Mat\'ern Cluster Process.
生成一个随机点模式，模拟实现的垫\ERN聚类进程。


用法----------Usage----------


rMatClust(kappa, r, mu, win = owin(c(0,1),c(0,1)))



参数----------Arguments----------

参数：kappa
Intensity of the Poisson process of cluster centres. A single positive number, a function, or a pixel image.  
聚类中心的泊松过程的强度。一个单一的正数，函数，或像素图像。


参数：r
Radius parameter of the clusters.  
半径参数的簇。


参数：mu
Mean number of points per cluster (a single positive number) or reference intensity for the cluster points (a function or a pixel image).  
每个聚类的点（一个单一的正数）或聚类点的基准强度（一个功能或一个像素的图像）的平均数目。


参数：win
Window in which to simulate the pattern. An object of class "owin" or something acceptable to as.owin.  
在模拟模式的窗口。类的一个对象"owin"或接受的as.owin的东西。


Details

详细信息----------Details----------

This algorithm generates a realisation of Mat\'ern's cluster process inside the window win. The process is constructed by first generating a Poisson point process of “parent” points  with intensity kappa. Then each parent point is replaced by a random cluster of points, the number of points in each cluster being random with a Poisson (mu) distribution, and the points being placed independently and uniformly inside a disc of radius r centred on the parent point.
该算法生成的一个窗口内的win垫\ERN的聚类过程中实现的。这个过程是构建强度kappa先产生一个泊松点过程中的“父”点。然后每个父点由一个随机的聚类点被替换，在每个簇的点的数目为随机的泊松（mu）分布，和被放置的点独立地和均匀地里面的盘半径<X >集中在母公司点。

In this implementation, parent points are not restricted to lie in the window; the parent process is effectively the uniform Poisson process on the infinite plane.
在本实施方式中，父点并不限于在于在窗口中的父进程是有效的无限平面上的均匀的泊松过程。

This classical model can be fitted to data by the method of minimum contrast, using matclust.estK or kppm.
这个经典的模型，可以安装在数据的最小对比度的方法，使用matclust.estK或kppm。

The algorithm can also generate spatially inhomogeneous versions of the Mat\'ern cluster process:
该算法还可以垫\ERN聚类过程中产生空间上分布不均匀的版本：

The parent points can be spatially inhomogeneous. If the argument kappa is a function(x,y) or a pixel image (object of class "im"), then it is taken as specifying the intensity function of an inhomogeneous Poisson process that generates the parent points.
母公司点可以是空间上分布不均匀。如果参数kappa是function(x,y)或类的对象的像素的图像（"im"），然后它被当作指定的强度函数的非齐次泊松过程中产生的父点。

The offspring points can be inhomogeneous. If the argument mu is a function(x,y) or a pixel image (object of class "im"), then it is interpreted as the reference density for offspring points, in the sense of Waagepetersen (2006). For a given parent point, the offspring constitute a Poisson process with intensity function equal to the average value of mu inside the disc of radius r centred on the parent point, and zero intensity outside this disc.
的后代可以是不均匀的。如果该参数mu是function(x,y)或像素图像（类的对象"im"），那么它被解释为后代点作为参考密度，在这个意义上Waagepetersen（2006年） 。对于一个给定的父子点，它们的后代构成一个泊松过程等于强度函数的平均值mu内部半径光盘r集中于父点，和，此光盘之外的强度为零。

When the parents are homogeneous (kappa is a single number) and the offspring are inhomogeneous (mu is a function or pixel image), the model can be fitted to data using kppm, or using matclust.estK applied to the inhomogeneous K function.
当父母是同质的（kappa是单数）的后代是不均匀的（mu是一个函数或图像像素），该模型可以安装在数据使用kppm，或使用matclust.estK的不均匀K函数。


值----------Value----------

The simulated point pattern (an object of class "ppp").
的模拟点模式（类的一个对象"ppp"“）。

Additionally,  some intermediate results of the simulation are returned as attributes of this point pattern. See rNeymanScott.
此外，一些中间的模拟结果返回作为这点图案的属性。见rNeymanScott。


（作者）----------Author(s)----------


Adrian Baddeley
<a href="mailto:Adrian.Baddeley@csiro.au">Adrian.Baddeley@csiro.au</a>
<a href="http://www.maths.uwa.edu.au/~adrian/">http://www.maths.uwa.edu.au/~adrian/</a>
and Rolf Turner
<a href="mailto:r.turner@auckland.ac.nz">r.turner@auckland.ac.nz</a>




参考文献----------References----------

Spatial Variation. Meddelanden fraan Statens Skogsforskningsinstitut, volume 59, number 5. Statens Skogsforskningsinstitut, Sweden.
Spatial Variation. Lecture Notes in Statistics 36, Springer-Verlag, New York.
An estimating function approach to inference for inhomogeneous Neyman-Scott processes. Submitted for publication.

参见----------See Also----------

rpoispp, rThomas, rGaussPoisson, rNeymanScott, matclust.estK, kppm.
rpoispp，rThomas，rGaussPoisson，rNeymanScott，matclust.estK，kppm。


实例----------Examples----------


# homogeneous[同质]
X <- rMatClust(10, 0.05, 4)
# inhomogeneous[非均质]
Z <- as.im(function(x,y){ 4 * exp(2 * x - 1) }, owin())
Y <- rMatClust(10, 0.05, Z)

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。