Regression modelGIS / spatial
局部核密度估计
局部核密度估计（Local KDE）是一种非参数空间方法，通过应用具有空间自适应带宽的核函数来估计每个位置的点事件密度。与在整个研究区域使用固定带宽的全局 KDE 不同，局部 KDE 根据局部数据密度调整平滑窗口，从而捕捉稀疏或集中的事件的精细尺度聚集。
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
Method map
The neighbourhood of related methods — select a node to explore.
来源
- Silverman, B. W. (1986). Density Estimation for Statistics and Data Analysis. Chapman and Hall, London. ISBN: 978-0412246203
- Diggle, P. J. (1985). A kernel method for smoothing point process data. Journal of the Royal Statistical Society: Series C (Applied Statistics), 34(2), 138-147. link ↗
如何引用本页
ScholarGate. (2026, June 3). Local Kernel Density Estimation. ScholarGate. https://scholargate.app/zh/spatial-analysis/local-kernel-density-estimation
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.
- Getis-Ord Gi* 热点分析空间分析↔ compare
- 局部莫兰指数 (LISA)空间分析↔ compare
- 局部空间自相关空间分析↔ compare
- 基于网络的空间分析空间分析↔ compare
- 空间自相关空间分析↔ compare