Geary's C

SAIL框架将空间自相关泛化至图数据

研究人员开发了SAIL（空间自相关指数学习器），一个新颖的可微分框架，旨在将经典的空间自相关统计量泛化到图结构数据上。与关注单一标量变量的传统方法不同，SAIL可以学习特征投影和邻域亲和力，以分析高维图数据。该框架生成可解释的空间连贯性描述符，能够进行监督预测和无监督的空间模式及热点发现。在合成和生物医学图上的实验证明了SAIL的统计正确性及其在计算机视觉、地理空间分析和生物医学应用中揭示空间连贯性的能力。