تحلیل مؤلفههای اصلی وزندار جغرافیایی (GWPCA)
تحلیل مؤلفههای اصلی وزندار جغرافیایی (GWPCA) روشی محلی برای کاهش ابعاد است که توسط هریس، برنزدون و چارلتون در سال ۲۰۱۱ معرفی شد. این روش، PCA کلاسیک را با برازش یک PCA وزندار جداگانه در هر مکان از مجموعه داده گسترش میدهد و به ساختارهای ویژه (مؤلفههای اصلی و بارهای آنها) اجازه میدهد تا به طور پیوسته در فضای جغرافیایی تغییر کنند، به جای اینکه به یک راهحل سراسری واحد محدود شوند. GWPCA برای پژوهشگرانی در علوم محیطی، بهداشت عمومی و اقتصاد منطقهای مناسب است که گمان میکنند روابط چندمتغیره بین متغیرها بسته به مکان متفاوت است.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- Harris, P., Brunsdon, C., & Charlton, M. (2011). Geographically weighted principal components analysis. International Journal of Geographical Information Science, 25(10), 1717–1736. DOI: 10.1080/13658816.2011.554838 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 2). Geographically Weighted Principal Component Analysis (GWPCA). ScholarGate. https://scholargate.app/fa/spatial-analysis/geographically-weighted-pca
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- جنگل تصادفی وزندار جغرافیاییتحلیل فضایی↔ compare
- رگرسیون وزنی جغرافیایی (GWR)تحلیل فضایی↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →