《在统计显著性区域共定位挖掘中减少假发现：结果总结》导读

文章预览

更多文献获取请关注公众号：量化前沿速递 获取 文献链接/翻译/pdf 请加入知识星球“ 量化前沿速递 ” 《 Reducing False Discoveries in Statistically-Significant Regional-Colocation Mining: A Summary of Results 》     文章由Subhankar Ghosh、Jayant Gupta、Arun Sharma、Shuai An和Shashi Shekhar共同撰写，他们都来自明尼苏达大学的计算机科学与工程系，而Shuai An则来自该校的经济学系。     论文探讨的是给定一组空间特征类型、它们的实例、研究区域和邻近关系的情况下，如何找到区域与空间特征子集的配对，使得这些特征在该区域内形成统计上显著的区域共定位模式。这个问题在生态学、经济学和社会学等领域具有重要应用价值，但计算上非常有挑战性，因为存在指数级数量的区域共定位模式和候选区域。     之前的研究提出了一种挖掘器来寻找统计上显著的区域共定位模式 ………………………………