• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of the royal statistical society >Detecting multivariate interactions in spatial point patterns with Gibbs models and variable selection
【24h】

Detecting multivariate interactions in spatial point patterns with Gibbs models and variable selection

机译：使用Gibbs模型和变量选择检测空间点模式中的多元相互作用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a method for detecting significant interactions in very large multivariate spatial point patterns. This methodology thus develops high dimensional data understanding in the point process setting. The method is based on modelling the patterns by using a flexible Gibbs point process model to characterize point-to-point interactions at different spatial scales directly. By using the Gibbs framework significant interactions can also be captured at small scales. Subsequently, the Gibbs point process is fitted by using a pseudolikelihood approximation, and we select significant interactions automatically by using the group lasso penalty with this likelihood approximation. Thus we estimate the multivariate interactions stably even in this setting. We demonstrate the feasibility of the method with a simulation study and show its power by applying it to a large and complex rainforest plant population data set of 83 species.
机译：我们提出了一种用于在非常大的多元空间点模式中检测重大相互作用的方法。因此，该方法论在点过程设置中发展了对高维数据的理解。该方法基于通过使用灵活的吉布斯（Gibbs）点过程模型对模式进行建模以直接表征不同空间尺度上的点对点交互的功能。通过使用Gibbs框架，还可以在小规模上捕获重要的交互。随后，使用伪似然近似对吉布斯点过程进行拟合，然后使用具有这种似然近似的组套索罚分自动选择重要的交互作用。因此，即使在这种情况下，我们也可以稳定地估算多元互动。我们通过仿真研究证明了该方法的可行性，并通过将其应用于83个物种的大型且复杂的雨林植物种群数据集，展示了该方法的功能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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