《表6 地点12,t=1信息量计算》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于信息量的时空深度扫描模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本节中用IN-scan表示我们提出的基于信息量的时空深度扫描模型，LR-scan表示现有最新时空扫描模型，实验中使用IN-scan与LR-scan的扫描结果比较，说明新模型的有效性．首先选取时间2018年1月8号-14号的数据进行分析，扫描半径设置为r=5Km，最大扫描时间t=3day，首先基于似然比测试统计量不删除重复窗口进行扫描，并使用蒙特卡罗计算扫描得到的每个扫描窗口的置信度，表4中输出前5个扫描结果．最大扫描时间为3天，故实验结果中包括扫描时间分别为1天、2天和3天的情况，实验中会分开计算，这里以分析t=1为例，如表4中第一个模块中最大似然比对应包含扫描区域为12，获取以12为圆心的所有同心圆包含的地点集合D12，之后获取以D12包含的地点为扫描中心的所有窗口，然后按照事件均值求解方法算出各地点的均值，计算结果见表5，表中obaerves和expected是地点的观测值和预期值，obaerves-mean和expected-mean是地点的观测值均值和预期值均值，表中有观测值不一定有观测期望值，如locations2观测值为2，但观测期望值为0，是因为包含有地点2的全部窗口置信度都为0导致，也有观测值很小，但观测期望值很大，如locations 12，因为地点12自身的观测值很大，包含有地点12的窗口置信度多数偏高，故观测期望值很大．基于期望值求取各窗口的基尼系数，使用基尼系数和置信度随之求取各窗口的信息量，表6即为表4中第一个扫描窗口计算得到的信息量I，在计算结果中留下最大信息量对应窗口，同时取剩下的第一个集群重复分析取出信息量最大的窗口，如此循环直到I=0停止．