.png){kind=icon}
返回
Bandwidth Exploration for Spatial-Temporal Kernel Density Visualizations
.png){kind=icon}
OA
AI
DOI：10.1007/s41019-026-00351-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为理解和分析数据集的重要且广泛使用的数据可视化工具，时空核密度可视化（STKDV）已被广泛应用于多种领域，如犯罪热点分析、交通事故热点分析和疾病暴发分析。为获得高质量的STKDV，通常需要调整不同的空间带宽值和时间带宽值以生成多个STKDV，从中选择最优结果。然而，单个STKDE的计算成本已高得难以承受，更不用说多个STKDVs。这种巨大的计算成本严重限制了STKDV的带宽探索。为显著提高带宽探索的效率，我们提出了两种优化算法：一种名为PVSI算法的并行体素化方法，以及一种名为SPN算法的数据点化方法。在四个真实数据集上进行了广泛的对比实验，结果表明PVSI算法具有更优的性能。PVSI算法可应用于在极短时间内实现STKDV带宽探索的近实时计算。
Keyword:
Space-time kernel density visualization
Bandwidth exploration
Data indexing
期刊
D
IF:
4.6
论文数:
249
被引数:
665
机构
引用论文
.png){kind=icon}
分享收藏Accelerating the discovery of space-time patterns of infectious diseases using parallel computing
PREAI
分享收藏Analyzing traffic violation behavior at urban intersections: A spatiotemporal kernel density estimation approach using automated enforcement system data分析城市交叉口的交通违法行为: 使用自动执法系统数据的时空核密度估计方法
PREAI
分享收藏
查看更多内容