论文部分内容阅读
健康事件的分布常具有空间异质性/聚集性,准确识别并处理健康事件数据中的空间模式是认识健康事件发生发展规律的重要前提.扫描统计量是目前应用最为广泛的空间模式识别技术,其识别结果受参数影响.现有的识别结果的空间准确性评价指标常依赖于真实的空间模式即聚集性区域的分布,因此难以指导实际应用中的参数选择,也无法保障真实聚集性区域未知时识别结果的准确性.本研究提出了新的空间准确性评价指标MCS-P,能不依赖于未知的真实空间模式,评价识别结果的空间准确性,完成数据驱动的扫描统计量参数选择.