Algoritmos de análise de padrões de pontos

Estou procurando algoritmos de análise de padrões de pontos e literatura sobre análise de padrões de pontos, recursos on-line e títulos de livros bem-vindos. Os tópicos podem variar de descrições gerais de algoritmos a casos de uso concretos em qualquer campo de pesquisa.

Atualização 31 de julho, 15:54:

Eu estaria especialmente interessado em métodos locais para detectar recursos lineares em padrões de pontos. por exemplo, criar geometrias de estradas / pistas a partir de pontos de GPS.

Estatística Espacial é provavelmente um exemplo clássico aqui. A Análise de Dados Espaciais também oferece uma visão geral sólida

Métodos estatísticos para análise de dados espaciais , análise geoespacial - um guia abrangente e análise de informações geográficas também fornecerão uma boa visão geral.

Outro caminho mais prático e orientado a seguir seria olhar para R. Dê uma olhada nas tarefas espaciais do CRAN para obter uma visão geral dos recursos. A maioria dos pacotes vem com boa documentação e exemplos.

Há um conjunto muito bom de notas aqui , concentrando-se principalmente no pacote spatstat . Também espacial Aplicada Análise de Dados com R livro pode vir a calhar.

Odeio me arrastar para o passado, mas sugiro que qualquer pessoa interessada na análise de padrões de pontos em geral verifique as referências de Ned Levine para o programa CrimeStat . É uma referência enorme para uma ampla variedade de análises de padrões de pontos destinadas a leigos (é muito mais generalizável do que simplesmente análise de crimes). Os programadores também podem estar interessados ​​nas bibliotecas (todas as DLLs) dos vários programas implementados no Crimestat. Também concordo que as pessoas devam conferir o e-book on-line Geospatial Analysis já mencionado.

Embora as rotinas no Crimestat provavelmente não sejam de grande ajuda para identificar recursos lineares em padrões de pontos, é definitivamente um bom texto de introdução para um carregamento de técnicas de análise de padrões de pontos.

Dois métodos de cluster de ponto comum são o cluster hierárquico e o cluster k-means . Veja também na wikipedia .

Se você estiver interessado na maneira como as estruturas espaciais dos pontos são percebidas, dê uma olhada nas chamadas "leis da percepção da gestalt".

Um caso de uso concreto está em cartografia. As estruturas espaciais dos símbolos dos mapas devem ser detectadas e avaliadas para serem automaticamente representadas de maneira adequada. Este artigo fornece o exemplo de um método para detectar alinhamentos de símbolos de mapa para representá-los em várias escalas menores.

Isso depende se você deseja examinar padrões de pontos "globais" ou "locais"? Você provavelmente precisa nos fornecer mais detalhes do espaço do problema antes de obter uma boa resposta (a menos que seja apenas uma pergunta de lição de casa).