GLMM中基于空间自相关和迭代残差的空间聚类检测
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题背景 | 第11-16页 |
| ·国内外研究的现状和趋势 | 第16-18页 |
| ·选题意义及文章结构 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第2章 广义线性混合模型(GLMM) | 第21-29页 |
| ·引言 | 第21-22页 |
| ·广义线性模型(GLM) | 第22-23页 |
| ·线性混合模型(LMM) | 第23-24页 |
| ·广义线性混合模型(GLMM) | 第24-28页 |
| ·GLM、LMM 和GLMM 的比较 | 第28页 |
| ·广义线性模型的特点 | 第28页 |
| ·线性混合模型的特点 | 第28页 |
| ·广义线性混合模型的特点 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 空间自相关及空间聚类的检测方法 | 第29-45页 |
| ·空间自相关理论 | 第29-38页 |
| ·空间自相关概述 | 第29-30页 |
| ·空间邻近关系的测度 | 第30-32页 |
| ·距离方式 | 第31页 |
| ·面积方式 | 第31页 |
| ·可达度方式 | 第31-32页 |
| ·空间全局自相关的测度 | 第32-35页 |
| ·全局Moran ' I 指数 | 第32-33页 |
| ·全局Geary ' C 指数 | 第33页 |
| ·全局G 指数 | 第33-35页 |
| ·空间局部自相关的测度 | 第35-38页 |
| ·局部Moran ' I | 第35-36页 |
| ·局部Geary ' C | 第36页 |
| ·局部Getis ' G | 第36-37页 |
| ·Moran 散点图 | 第37-38页 |
| ·空间聚类的检测方法 | 第38-44页 |
| ·空间聚类及其检测方法 | 第38页 |
| ·基于Possion 模型的空间聚类检测 | 第38-41页 |
| ·去低值聚类数据调整法 | 第39-40页 |
| ·去高值聚类数据调整法 | 第40-41页 |
| ·随机模拟 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 GLMM 中基于迭代残差的空间聚类检测 | 第45-61页 |
| ·统计模型的建立 | 第45-46页 |
| ·模型的参数估计 | 第46-47页 |
| ·探测局部关联 | 第47-49页 |
| ·Moran ' I 的一些渐近性质 | 第49-55页 |
| ·检索算法 | 第55-56页 |
| ·随机模拟 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69页 |
