গ্রাস ম্যানুয়ালটি পড়ে:
v.kernel - চলন্ত 2D আইসোট্রপিক গাউসিয়ান কার্নেল ব্যবহার করে ভেক্টর পয়েন্ট ডেটা থেকে একটি রাস্টার ঘনত্বের মানচিত্র উত্পন্ন করে ...
ঠিক আছে, তবে আমি কীভাবে ফলাফলগুলি ব্যাখ্যা করব? আমি বুঝেছি v.kernel v.neighbor ফাংশনের চেয়ে বেশি উন্নত তবে এর কোন সুবিধা আছে তা সম্পর্কে আমি নিশ্চিত নই।
উত্তর:
ফলাফল প্রতি ইউনিট ক্ষেত্রের অনুমান পয়েন্ট। একটি চেক হিসাবে, আপনার ঘরের ক্ষেত্রে ঘরের মানগুলি ঘরের ক্ষেত্রফলের সাথে গুণিত করা উচিত এবং গ্রিডের উপরে এই মানগুলি যুক্ত করা উচিত: মোটটি মূল ডেটার যোগফলের সমান হওয়া উচিত। (এই দুটি মান প্রায়শই দুটি কারণে পৃথক হয়, সীমানা প্রভাব এবং সংখ্যাগত অসম্পূর্ণতা। সীমানা প্রভাবগুলি ঘটে কারণ ঘনত্বের মানচিত্রটি মানচিত্রের প্রান্তে ডেটা ছড়িয়ে দিতে পারে এবং সেই মানগুলি ঘনত্ব গ্রিড থেকে পুনরুদ্ধার হয় না But তবে পার্থক্যগুলি হওয়া উচিত ছোট হতে হবে।)
আমি ক্লাসে ব্যবহৃত একটি চিত্র ছাত্রদের বালতি বালতি হিসাবে কার্নেলটি কল্পনা করতে বলি: আপনি বালতিটিকে উপুড় করে এমন এক পর্যায়ে বালু ঝরাতে পারবেন। স্লাম্পিং সবেমাত্র সংক্ষিপ্ত অর্ধ-প্রস্থের জন্য ঘটে তবে বৃহত্তর ব্যান্ড-প্রস্থের জন্য এটি বিস্তৃত (সম্ভবত বালুটি ভেজা ;-)। নির্বিশেষে, এটি সর্বদা একই পরিমাণে বালি বয়ে যায়, যত ঝাঁকুনি ঘটে না কেন। এখন প্রতিটি বিন্দু অবস্থানে ডাম্প এক বালতি যেতে (অথবা, আরো সাধারণভাবে, যদি সেখানে একটি ইতিবাচক মান x প্রতিটি ডাটা পয়েন্ট সঙ্গে যুক্ত প্রথম বালতি সমানুপাতিক করার জন্য বালি একটি পরিমাণ করা এক্সএবং তারপরে এটি ফেলে দিন)। বালির ঝাপটায়। এটি যেখানে বালতি প্রচুর আছে সেখানে গাদা। ঘনত্ব গ্রিড আপনাকে প্রতিটি গ্রিড কোষের কেন্দ্রে পাইলড বালির উচ্চতা দেয়। এটিকে একটি ঘরের ক্ষেত্রফলের সাথে গুণক করা প্রতিটি কক্ষের বালির পরিমাণ নির্ধারণ করে। যে কোনও অঞ্চলে এই ঘরের পরিমাণের সংমিশ্রণ (যেমন একটি সেন্সাস ব্লক) সে অঞ্চলে বালির মোট পরিমাণের অনুমান করে, যা এই অঞ্চলে আপনি যে পরিমাণ পরিমাণ x বলে মনে করেন তা উপস্থাপন করে।
আপনি কি জিওপ্যাটিয়াল বিশ্লেষণ ওয়েব বইটি দেখেছেন ? তাদের পয়েন্টের ঘনত্বের বিষয়ে একটি বিশদ বিবরণ রয়েছে, যা গাউসীয় কার্যাদি অন্তর্ভুক্ত করে। এমনকি সাধারণভাবে আমি এটি একটি খুব দরকারী উত্স মনে করি।
এটি সম্পর্কে চিন্তাভাবনা করার জন্য এখানে একটি বৃহত্তর ওভারসিম্লিপিত উপায়:
কেন্দ্র থেকে বেরিয়ে আসা বেশ কয়েকটি রিংয়ের সাথে একটি ডার্টবোর্ড কল্পনা করুন। ফলাফলের প্রতিটি অবস্থানে, অবস্থানের উপরে ডার্টবোর্ড স্থাপন করে এবং ভেক্টর পয়েন্টগুলি ডার্টবোর্ডে কোথায় রয়েছে তা দেখে একটি স্কোর গণনা করা হয়। সেই থেকে স্কোরটি দীর্ঘ হয় এবং রাস্টার তৈরি হয়।
এটি কীভাবে গণনা করা যায় তার অনেকগুলি ভেরিয়েবল রয়েছে:
- ডার্টবোর্ডের আকার (কর্নেল)
- ডার্টবোর্ডের আকৃতি (2 ডি আইসোমেট্রিক বা 'x / y এর প্রতিটি দিকে একই, অর্থাত্ একটি সমতল বৃত্ত)
- ডার্টবোর্ডটি যেভাবে পয়েন্টগুলি বরাদ্দ করে (গাউসিয়ান একটি 'সাধারণ' বিতরণ বোঝায়, যেমন পয়েন্টটি কেন্দ্রের কাছাকাছি যাওয়ার সাথে সাথে একটি বেল বাঁক আকারে উচ্চতর স্কোর)
সুবিধাটি হ'ল এটি বৃহত্তর (বিচ্ছিন্ন) লাফানো ছাড়াই অনেক বেশি স্মুথ সংস্করণ গণনা করবে যা আরও বিস্তৃত এবং আরও ধারাবাহিক ব্যাসার্ধের সাথে তথ্য নিতে পারে। এটি ব্যবহৃত ক্ষেত্রগুলির আকার / আকারের পার্থক্যের দ্বারাও কম আক্রান্ত হবে।
কাউন্টিগুলিতে নিকটতম প্রতিবেশী ব্যবহার করার বিষয়ে চিন্তা করুন: পূর্ব উপকূলে তারা মিড ওয়েস্টের তুলনায় অনেক ছোট, তবে প্রতিবেশীর সংখ্যা একই রকম এবং সীমান্তের জ্যামিতিকে বেশিরভাগ ক্ষেত্রে প্রভাবিত করেছে। কোনটি আরও ঘন? যদি আপনার কর্নেল ব্যাসার্ধটি 50 মাইল হয় তবে আপনি একটি আলাদা উত্তর পেতে চাইবেন যা তাদের আপেক্ষিক ঘনত্বকে আরও সঠিকভাবে বর্ণনা করেছে।