• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>PLoS Clinical Trials >Selection of the Maximum Spatial Cluster Size of the Spatial Scan Statistic by Using the Maximum Clustering Set-Proportion Statistic
【2h】

Selection of the Maximum Spatial Cluster Size of the Spatial Scan Statistic by Using the Maximum Clustering Set-Proportion Statistic

机译：通过使用最大聚类集比例统计选择空间扫描统计的最大空间聚类大小

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Spatial scan statistics are widely used in various fields. The performance of these statistics is influenced by parameters, such as maximum spatial cluster size, and can be improved by parameter selection using performance measures. Current performance measures are based on the presence of clusters and are thus inapplicable to data sets without known clusters. In this work, we propose a novel overall performance measure called maximum clustering set–proportion (MCS-P), which is based on the likelihood of the union of detected clusters and the applied dataset. MCS-P was compared with existing performance measures in a simulation study to select the maximum spatial cluster size. Results of other performance measures, such as sensitivity and misclassification, suggest that the spatial scan statistic achieves accurate results in most scenarios with the maximum spatial cluster sizes selected using MCS-P. Given that previously known clusters are not required in the proposed strategy, selection of the optimal maximum cluster size with MCS-P can improve the performance of the scan statistic in applications without identified clusters.
机译：空间扫描统计数据已广泛应用于各个领域。这些统计信息的性能受参数（例如最大空间簇大小）影响，并且可以通过使用性能指标进行参数选择来提高。当前的性能度量基于群集的存在，因此不适用于没有已知群集的数据集。在这项工作中，我们提出了一种新的整体性能度量，称为最大聚类集比例（MCS-P），该度量基于检测到的聚类与应用数据集联合的可能性。在模拟研究中将MCS-P与现有性能指标进行了比较，以选择最大的空间簇大小。其他性能指标（例如灵敏度和分类错误）的结果表明，在大多数情况下，空间扫描统计量可以使用MCS-P选择的最大空间簇大小来获得准确的结果。考虑到在提出的策略中不需要先前已知的群集，使用MCS-P选择最佳的最大群集大小可以提高没有识别群集的应用程序中扫描统计信息的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号