（点）核密度分析，求大神指教
官方文档里对核密度分析有一段这样的介绍：
Kernel density is one w*** to convert a set of points (an instance of vector data) into a raster. In this process, at every point in the point set, the contents of what is effectively a ***all Tile (called a Kernel) containing a predefined pattern are added to the grid cells surrounding the point in question (i.e., the kernel is centered on the tile cell containing the point and then added to the Tile). This is an example of a local map algebra operation. Assuming that the points were sampled according to a probability density function, and if the kernel is derived from a G***ssian function, this can develop a ***ooth approximation to the density function that the points were sampled from. (Alternatively, each point can be given a weight, and the kernel values can be scaled by that weight before being applied to the tile, which we will do below.)
——首先，核密度分析是一种将点要素的集合（矢量数据）转换为栅格数据的一种手段。在这个例子里，对于每一个点来说，其实是一块小瓦片（被称为核）
核密度的作用是：“ 使用核函数根据点或折线要素计算每单位面积的量值以将各个点或折线拟合为光滑锥状表面。”
核密度分析是什么？
核密度估计（kernel density estimation）是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。
Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。
一些比较常用的核函数：
均匀核函数 k(x)=1/2,-1≤x≤1 加入带宽h后： kh(x)=1/(2h),-h≤x≤h。
三角核函数 k(x)=1-|x|,-1≤x≤1 加入带宽h后： kh(x)=(h-|x|)/h2,-h≤x≤h。
伽马核函数 kxi(x)=(xα-1e-xα/xi)/[(xi/α)α.Γ(α)]。
高斯核函数K(x,xc)=exp[-||x-xc||2/(2*σ)2]，其中xc为核函数中心，σ为函数的宽度参数。
核密度怎么分析？
对于不同的要素，核密度的计算方式有所不同。主要有点要素法和面要素法。
概念上，每个点上方均覆盖着一个平滑曲面。在点所在位置处表面值***，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。仅允许使用圆形邻域。曲面与下方的平面所围成的空间的体积等于此点的 Population 字段值，如果将此字段值指定为 NONE 则体积为 1。
其值在线所在位置处***，随着与线的距离的增大此值逐渐减小，在与线的距离等于指定的搜索半径的位置处此值为零。由于定义了曲面，因此曲面与下方的平面所围成的空间的体积等于线长度与 Population 字段值的乘积。
核密度计算注意事项：
1.在计算输出栅格中像元的核密度时，障碍会更改要素的影响。障碍可以是折线或面要素图层。通过增加要素与正在计算密度的像元之间的距离或从计算中排除要素，它可以通过两种方式影响密度计算。
2.如果没有障碍，要素与像元之间的距离是最短的距离，即两点之间的直线。对于通常用折线表示的开放障碍，要素与像元之间的路径会受到障碍的影响。对于通常由完全包含一些要素的面表示的封闭障碍，在障碍一侧的像元处进行的密度计算将完全排除障碍另一侧的要素。
以上内容参考百度百科——核密度估计
关于核密度分析和核密度分析失败原因的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。