一种基于信息量的时空深度扫描模型

摘要

空间或时空扫描模型中,会产生大量有重复性的集群,现有研究方法会按Satscan层次结构删除此类集群,或者用似然比加权集群分析,在整个过程很难量化分析删除后剩下的集群或是加权后的集群是否就能提供更多有意义的信息,缺乏系统评估理论,这将会混淆风险区域的判断.基于此问题本文提出一种基于信息量的时空深度扫描模型IN-scan model,用于对上述重复集群进行处理,所提方法从信息量的角度出发量化每一个扫描集群.方法中引入了信息量,并使用显著统计量和基尼系数来进行扫描风险区域分析.文中使用所提方法与Satscan最新方法(LR-scan model)预警结果进行对比,所提方法F-Score性能评估值提升10％ 以上,实验证明该方法较现时空扫描模型有一定优势.