public class AnalyzingPatterns extends Object
下表显示了不同置信度下未经校正的临界P值和临界Z得分:
限定符和类型 | 方法和说明 |
---|---|
static void |
addSteppedListener(SteppedListener l)
添加一个进度条事件(
SteppedEvent )的监听器。 |
static AnalyzingPatternsResult |
autoCorrelation(DatasetVector sourceDatasetVector,
PatternsParameter patternsParameter)
已过时。
此方法已废弃,请使用支持进度监听的新方法
AnalyzingPatterns.autoCorrelation(DatasetVector, PatternsParameter, SteppedListener...) 替换。 |
static AnalyzingPatternsResult |
autoCorrelation(DatasetVector sourceDatasetVector,
PatternsParameter patternsParameter,
SteppedListener... listeners)
对矢量数据集进行空间自相关分析,并返回空间自相关分析结果。
|
static AnalyzingPatternsResult |
averageNearestNeighbor(DatasetVector sourceDatasetVector,
double studyArea,
DistanceMethod distanceMethod)
已过时。
此方法已废弃,请使用支持进度监听的新方法
AnalyzingPatterns.averageNearestNeighbor(DatasetVector, double, DistanceMethod, SteppedListener...) 替换。 |
static AnalyzingPatternsResult |
averageNearestNeighbor(DatasetVector sourceDatasetVector,
double studyArea,
DistanceMethod distanceMethod,
SteppedListener... listeners)
平均最近邻
|
static GeographicalDetectorResult |
geographicalDetector(DatasetGrid sourceDataset,
DatasetGrid[] arrExplanatoryGrid,
int nSampleCount,
boolean isFactorDetector,
boolean isEcologicalDetector,
boolean isInteractionDetector,
boolean isRiskDetector,
Datasource targetDatasource,
String filePath)
|
static GeographicalDetectorResult |
geographicalDetector(DatasetGrid sourceDataset,
DatasetGrid[] arrExplanatoryGrid,
int nSampleCount,
boolean isFactorDetector,
boolean isEcologicalDetector,
boolean isInteractionDetector,
boolean isRiskDetector,
Datasource targetDatasource,
String filePath,
SteppedListener... listeners)
对栅格数据集进行地理探测器分析,并返回地理探测器分析结果,同时输出文本文件。
|
static GeographicalDetectorResult |
geographicalDetector(DatasetVector sourceDataset,
String modelField,
String[] arrExplanatory,
boolean isFactorDetector,
boolean isEcologicalDetector,
boolean isInteractionDetector,
boolean isRiskDetector,
Datasource targetDatasource)
|
static GeographicalDetectorResult |
geographicalDetector(DatasetVector sourceDataset,
String modelField,
String[] arrExplanatory,
boolean isFactorDetector,
boolean isEcologicalDetector,
boolean isInteractionDetector,
boolean isRiskDetector,
Datasource targetDatasource,
SteppedListener... listeners)
对矢量数据集进行地理探测器分析,并返回地理探测器分析结果。
|
static GeographicalDetectorResult |
geographicalDetector(DatasetVector sourceDataset,
String modelField,
String[] arrExplanatory,
boolean isFactorDetector,
boolean isEcologicalDetector,
boolean isInteractionDetector,
boolean isRiskDetector,
Datasource targetDatasource,
String filePath)
|
static GeographicalDetectorResult |
geographicalDetector(DatasetVector sourceDataset,
String modelField,
String[] arrExplanatory,
boolean isFactorDetector,
boolean isEcologicalDetector,
boolean isInteractionDetector,
boolean isRiskDetector,
Datasource targetDatasource,
String filePath,
SteppedListener... listeners)
对矢量数据集进行地理探测器分析,并返回地理探测器分析结果,同时输出文本文件。
|
static AnalyzingPatternsResult |
highOrLowClustering(DatasetVector sourceDatasetVector,
PatternsParameter patternsParameter)
已过时。
此方法已废弃,请使用支持进度监听的新方法
AnalyzingPatterns.highOrLowClustering(DatasetVector, PatternsParameter, SteppedListener...) 替换。 |
static AnalyzingPatternsResult |
highOrLowClustering(DatasetVector sourceDatasetVector,
PatternsParameter patternsParameter,
SteppedListener... listeners)
对矢量数据集进行高低值聚类分析,并返回高低值聚类分析结果。
|
static IncrementalResult[] |
incrementalAutoCorrelation(DatasetVector sourceDatasetVector,
IncrementalParameter incrementalParameter)
已过时。
|
static IncrementalResult[] |
incrementalAutoCorrelation(DatasetVector sourceDatasetVector,
IncrementalParameter incrementalParameter,
SteppedListener... listeners)
对矢量数据集进行增量空间自相关分析,并返回增量空间自相关分析结果数组。
|
static void |
removeSteppedListener(SteppedListener l)
移除一个进度条事件(
SteppedEvent )的监听器。 |
@Deprecated public static AnalyzingPatternsResult autoCorrelation(DatasetVector sourceDatasetVector, PatternsParameter patternsParameter)
AnalyzingPatterns.autoCorrelation(DatasetVector, PatternsParameter, SteppedListener...)
替换。1. 空间自相关返回的结果包括莫兰指数、期望、方差、z得分、P值,请参阅 AnalyzingPatternsResult
类。
2. 调用该方法时,需要通过 patternsParameter 参数指定一个分析模式参数(PatternsParameter
)对象,该对象用于空间自相关所需的参数,如评估字段、概念化模型、距离容限等。
sourceDatasetVector
- 指定的待计算的数据集。可以为点、线、面数据集。patternsParameter
- 指定的分析模式参数设置。public static AnalyzingPatternsResult autoCorrelation(DatasetVector sourceDatasetVector, PatternsParameter patternsParameter, SteppedListener... listeners)
1. 空间自相关返回的结果包括莫兰指数、期望、方差、z得分、P值,请参阅 AnalyzingPatternsResult
类。
2. 调用该方法时,需要通过 patternsParameter 参数指定一个分析模式参数(PatternsParameter
)对象,该对象用于空间自相关所需的参数,如评估字段、概念化模型、距离容限等。
sourceDatasetVector
- 指定的待计算的数据集。可以为点、线、面数据集。patternsParameter
- 指定的分析模式参数设置。listeners
- 用于接收进度条事件的监听器。@Deprecated public static AnalyzingPatternsResult highOrLowClustering(DatasetVector sourceDatasetVector, PatternsParameter patternsParameter)
AnalyzingPatterns.highOrLowClustering(DatasetVector, PatternsParameter, SteppedListener...)
替换。1. 高低值聚类返回的结果包括GeneralG指数、期望、方差、z得分、P值,请参阅 AnalyzingPatternsResult
类。
2. 调用该方法时,需要通过 patternsParameter 参数指定一个分析模式参数(PatternsParameter
)对象,该对象用于高低值聚类所需的参数,如评估字段、概念化模型、距离容限等。
sourceDatasetVector
- 指定的待计算的数据集。可以为点、线、面数据集。patternsParameter
- 指定的分析模式参数设置。public static AnalyzingPatternsResult highOrLowClustering(DatasetVector sourceDatasetVector, PatternsParameter patternsParameter, SteppedListener... listeners)
1. 高低值聚类返回的结果包括GeneralG指数、期望、方差、z得分、P值,请参阅 AnalyzingPatternsResult
类。
2. 调用该方法时,需要通过 patternsParameter 参数指定一个分析模式参数(PatternsParameter
)对象,该对象用于高低值聚类所需的参数,如评估字段、概念化模型、距离容限等。
sourceDatasetVector
- 指定的待计算的数据集。可以为点、线、面数据集。patternsParameter
- 指定的分析模式参数设置。listeners
- 用于接收进度条事件的监听器。@Deprecated public static IncrementalResult[] incrementalAutoCorrelation(DatasetVector sourceDatasetVector, IncrementalParameter incrementalParameter)
AnalyzingPatterns.incrementalAutoCorrelation(DatasetVector, IncrementalParameter, SteppedListener...)
替换。1. 增量空间自相关返回的结果包括增量距离、莫兰指数、期望、方差、z得分、P值,请参阅 IncrementalResult
类。
2. 调用该方法时,需要通过 incrementalParameter 参数指定一个增量空间自相关参数(IncrementalParameter
)对象,该对象用于高低值聚类所需的参数,如评估字段、递增的距离段数目、开始距离、距离增量、距离计算方法类型、标准化等。
3. 增量空间自相关会为一系列的增量距离运行空间自相关方法(参阅autoCorrelation()
方法),空间关系概念化模型默认为固定距离模型(参阅ConceptualizationModel.FIXEDDISTANCEBAND
),中断距离容限(参阅PatternsParameter.setDistanceTolerance
)为一系列的增量距离。
sourceDatasetVector
- 指定的待计算的数据集。可以为点、线、面数据集。incrementalParameter
- 指定的增量空间自相关参数设置。public static IncrementalResult[] incrementalAutoCorrelation(DatasetVector sourceDatasetVector, IncrementalParameter incrementalParameter, SteppedListener... listeners)
1. 增量空间自相关返回的结果包括增量距离、莫兰指数、期望、方差、z得分、P值,请参阅 IncrementalResult
类。
2. 调用该方法时,需要通过 incrementalParameter 参数指定一个增量空间自相关参数(IncrementalParameter
)对象,该对象用于高低值聚类所需的参数,如评估字段、递增的距离段数目、开始距离、距离增量、距离计算方法类型、标准化等。
3. 增量空间自相关会为一系列的增量距离运行空间自相关方法(参阅autoCorrelation()
方法),空间关系概念化模型默认为固定距离模型(参阅ConceptualizationModel.FIXEDDISTANCEBAND
),中断距离容限(参阅PatternsParameter.setDistanceTolerance
)为一系列的增量距离。
sourceDatasetVector
- 指定的待计算的数据集。可以为点、线、面数据集。incrementalParameter
- 指定的增量空间自相关参数设置。listeners
- 用于接收进度条事件的监听器。@Deprecated public static AnalyzingPatternsResult averageNearestNeighbor(DatasetVector sourceDatasetVector, double studyArea, DistanceMethod distanceMethod)
AnalyzingPatterns.averageNearestNeighbor(DatasetVector, double, DistanceMethod, SteppedListener...)
替换。sourceDatasetVector
- [in] 待计算的矢量数据集studyArea
- [in] 研究区域面积distanceMethod
- [in] 距离计算方法public static AnalyzingPatternsResult averageNearestNeighbor(DatasetVector sourceDatasetVector, double studyArea, DistanceMethod distanceMethod, SteppedListener... listeners)
sourceDatasetVector
- [in] 待计算的矢量数据集studyArea
- [in] 研究区域面积distanceMethod
- [in] 距离计算方法listeners
- 用于接收进度条事件的监听器。@Deprecated public static GeographicalDetectorResult geographicalDetector(DatasetVector sourceDataset, String modelField, String[] arrExplanatory, boolean isFactorDetector, boolean isEcologicalDetector, boolean isInteractionDetector, boolean isRiskDetector, Datasource targetDatasource)
AnalyzingPatterns.geographicalDetector(DatasetVector, String, String[], boolean, boolean, boolean, boolean, Datasource, SteppedListener...)
替换。地理探测器是分析空间分层异质性的新工具,主要包括4个探测器(因子探测器、 风险探测器、生态探测器、交互探测器 ),分别回答以下问题:①是否存在空间异质性?什么因素造成了这种分层异质性?②变量Y是否存在显著的区际差别?③因素X之间的相对重要性如何?④因素X对于因变量Y是独立起作用还是具有广义的交互作用?
地理探测器返回的结果包括因子探测器、 生态探测器、 交互探测器 、风险探测器的分析结果,请参阅 GeographicalDetectorResult
类。
sourceDataset
- 指定的待计算的矢量数据集。可以为点、线、面数据集。modelField
- 建模字段的名称,即因变量名称。arrExplanatory
- 解释变量名称的集合,即所有自变量的名称集合。注意这里的解释变量应为类型量,如果为数值量,则需对其进行分组或分层,使组内方差最小,组间方差最大。分组可以基于专家知识,也可以使用k-means,或者排序后等分。应保证各组或层分类变量中至少有因变量的两个样本单元,从而可以计算该层的均值或方差。isFactorDetector
- 是否计算因子探测器isEcologicalDetector
- 是否计算生态探测器isInteractionDetector
- 是否计算交互探测器isRiskDetector
- 是否计算风险探测器targetDatasource
- 指定的保存分析结果的数据源。四种探测器分析得到的结果生成属性表存放至该数据源中。public static GeographicalDetectorResult geographicalDetector(DatasetVector sourceDataset, String modelField, String[] arrExplanatory, boolean isFactorDetector, boolean isEcologicalDetector, boolean isInteractionDetector, boolean isRiskDetector, Datasource targetDatasource, SteppedListener... listeners)
地理探测器是分析空间分层异质性的新工具,主要包括4个探测器(因子探测器、 风险探测器、生态探测器、交互探测器 ),分别回答以下问题:①是否存在空间异质性?什么因素造成了这种分层异质性?②变量Y是否存在显著的区际差别?③因素X之间的相对重要性如何?④因素X对于因变量Y是独立起作用还是具有广义的交互作用?
地理探测器返回的结果包括因子探测器、 生态探测器、 交互探测器 、风险探测器的分析结果,请参阅 GeographicalDetectorResult
类。
sourceDataset
- 指定的待计算的矢量数据集。可以为点、线、面数据集。modelField
- 建模字段的名称,即因变量名称。arrExplanatory
- 解释变量名称的集合,即所有自变量的名称集合。注意这里的解释变量应为类型量,如果为数值量,则需对其进行分组或分层,使组内方差最小,组间方差最大。分组可以基于专家知识,也可以使用k-means,或者排序后等分。应保证各组或层分类变量中至少有因变量的两个样本单元,从而可以计算该层的均值或方差。isFactorDetector
- 是否计算因子探测器isEcologicalDetector
- 是否计算生态探测器isInteractionDetector
- 是否计算交互探测器isRiskDetector
- 是否计算风险探测器targetDatasource
- 指定的保存分析结果的数据源。四种探测器分析得到的结果生成属性表存放至该数据源中。listeners
- 用于接收进度条事件的监听器。@Deprecated public static GeographicalDetectorResult geographicalDetector(DatasetVector sourceDataset, String modelField, String[] arrExplanatory, boolean isFactorDetector, boolean isEcologicalDetector, boolean isInteractionDetector, boolean isRiskDetector, Datasource targetDatasource, String filePath)
AnalyzingPatterns.geographicalDetector(DatasetVector, String, String[], boolean, boolean, boolean, boolean, Datasource, String, SteppedListener...)
替换。地理探测器是分析空间分层异质性的新工具,主要包括4个探测器(因子探测器、 风险探测器、生态探测器、交互探测器 ),分别回答以下问题:①是否存在空间异质性?什么因素造成了这种分层异质性?②变量Y是否存在显著的区际差别?③因素X之间的相对重要性如何?④因素X对于因变量Y是独立起作用还是具有广义的交互作用?
地理探测器返回的结果包括因子探测器、 生态探测器、 交互探测器 、风险探测器的分析结果,请参阅 GeographicalDetectorResult
类。
sourceDataset
- 指定的待计算的矢量数据集。可以为点、线、面数据集。modelField
- 建模字段的名称,即因变量名称。arrExplanatory
- 解释变量名称的集合,即所有自变量的名称集合。注意这里的解释变量应为类型量,如果为数值量,则需对其进行分组或分层,使组内方差最小,组间方差最大。分组可以基于专家知识,也可以使用k-means,或者排序后等分。应保证各组或层分类变量中至少有因变量的两个样本单元,从而可以计算该层的均值或方差。isFactorDetector
- 是否计算因子探测器isEcologicalDetector
- 是否计算生态探测器isInteractionDetector
- 是否计算交互探测器isRiskDetector
- 是否计算风险探测器targetDatasource
- 指定的保存分析结果的数据源。四种探测器分析得到的结果生成属性表存放至该数据源中。filePath
- 指定保存结果的文件路径,即将分析结果生成文本文件并保存至该路径下。public static GeographicalDetectorResult geographicalDetector(DatasetVector sourceDataset, String modelField, String[] arrExplanatory, boolean isFactorDetector, boolean isEcologicalDetector, boolean isInteractionDetector, boolean isRiskDetector, Datasource targetDatasource, String filePath, SteppedListener... listeners)
地理探测器是分析空间分层异质性的新工具,主要包括4个探测器(因子探测器、 风险探测器、生态探测器、交互探测器 ),分别回答以下问题:①是否存在空间异质性?什么因素造成了这种分层异质性?②变量Y是否存在显著的区际差别?③因素X之间的相对重要性如何?④因素X对于因变量Y是独立起作用还是具有广义的交互作用?
地理探测器返回的结果包括因子探测器、 生态探测器、 交互探测器 、风险探测器的分析结果,请参阅 GeographicalDetectorResult
类。
sourceDataset
- 指定的待计算的矢量数据集。可以为点、线、面数据集。modelField
- 建模字段的名称,即因变量名称。arrExplanatory
- 解释变量名称的集合,即所有自变量的名称集合。注意这里的解释变量应为类型量,如果为数值量,则需对其进行分组或分层,使组内方差最小,组间方差最大。分组可以基于专家知识,也可以使用k-means,或者排序后等分。应保证各组或层分类变量中至少有因变量的两个样本单元,从而可以计算该层的均值或方差。isFactorDetector
- 是否计算因子探测器isEcologicalDetector
- 是否计算生态探测器isInteractionDetector
- 是否计算交互探测器isRiskDetector
- 是否计算风险探测器targetDatasource
- 指定的保存分析结果的数据源。四种探测器分析得到的结果生成属性表存放至该数据源中。filePath
- 指定保存结果的文件路径,即将分析结果生成文本文件并保存至该路径下。listeners
- 用于接收进度条事件的监听器。@Deprecated public static GeographicalDetectorResult geographicalDetector(DatasetGrid sourceDataset, DatasetGrid[] arrExplanatoryGrid, int nSampleCount, boolean isFactorDetector, boolean isEcologicalDetector, boolean isInteractionDetector, boolean isRiskDetector, Datasource targetDatasource, String filePath)
AnalyzingPatterns.geographicalDetector(DatasetGrid, DatasetGrid[], int, boolean, boolean, boolean, boolean, Datasource, String, SteppedListener...)
替换。地理探测器是分析空间分层异质性的新工具,主要包括4个探测器(因子探测器、 风险探测器、生态探测器、交互探测器 ),分别回答以下问题:①是否存在空间异质性?什么因素造成了这种分层异质性?②变量Y是否存在显著的区际差别?③因素X之间的相对重要性如何?④因素X对于因变量Y是独立起作用还是具有广义的交互作用?
地理探测器返回的结果包括因子探测器、 生态探测器、 交互探测器 、风险探测器的分析结果,请参阅 GeographicalDetectorResult
类。
该方法即针对待计算栅格数据集和解释变量栅格数据集的对应位置的像素值进行地理探测器分析。
sourceDataset
- 指定的待计算的栅格数据集。arrExplanatoryGrid
- 解释变量栅格数组,即所有作为自变量的栅格数据集集合。nSampleCount
- 抽样数目。取值范围为:>= 100 和 -1, -1表示使用所有非无值数据。isFactorDetector
- 是否计算因子探测器isEcologicalDetector
- 是否计算生态探测器isInteractionDetector
- 是否计算交互探测器isRiskDetector
- 是否计算风险探测器targetDatasource
- 指定的保存分析结果的数据源。四种探测器分析得到的结果生成属性表存放至该数据源中。filePath
- 指定保存结果的文件路径,即将分析结果生成文本文件并保存至该路径下。public static GeographicalDetectorResult geographicalDetector(DatasetGrid sourceDataset, DatasetGrid[] arrExplanatoryGrid, int nSampleCount, boolean isFactorDetector, boolean isEcologicalDetector, boolean isInteractionDetector, boolean isRiskDetector, Datasource targetDatasource, String filePath, SteppedListener... listeners)
地理探测器是分析空间分层异质性的新工具,主要包括4个探测器(因子探测器、 风险探测器、生态探测器、交互探测器 ),分别回答以下问题:①是否存在空间异质性?什么因素造成了这种分层异质性?②变量Y是否存在显著的区际差别?③因素X之间的相对重要性如何?④因素X对于因变量Y是独立起作用还是具有广义的交互作用?
地理探测器返回的结果包括因子探测器、 生态探测器、 交互探测器 、风险探测器的分析结果,请参阅 GeographicalDetectorResult
类。
该方法即针对待计算栅格数据集和解释变量栅格数据集的对应位置的像素值进行地理探测器分析。
sourceDataset
- 指定的待计算的栅格数据集。arrExplanatoryGrid
- 解释变量栅格数组,即所有作为自变量的栅格数据集集合。nSampleCount
- 抽样数目。取值范围为:>= 100 和 -1, -1表示使用所有非无值数据。isFactorDetector
- 是否计算因子探测器isEcologicalDetector
- 是否计算生态探测器isInteractionDetector
- 是否计算交互探测器isRiskDetector
- 是否计算风险探测器targetDatasource
- 指定的保存分析结果的数据源。四种探测器分析得到的结果生成属性表存放至该数据源中。filePath
- 指定保存结果的文件路径,即将分析结果生成文本文件并保存至该路径下。listeners
- 用于接收进度条事件的监听器。public static void addSteppedListener(SteppedListener l)
SteppedEvent
)的监听器。l
- 一个用于接收进度条事件的监听器。public static void removeSteppedListener(SteppedListener l)
SteppedEvent
)的监听器。l
- 一个用于接收进度条事件的监听器。Copyright © 2021–2024 SuperMap. All rights reserved.