Optimal and fast detection of spatial clusters with scan statistics
利用扫描统计量最优且快速地检测空间聚集AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用空间聚集检测，空间位置和弱依赖本身不足以支持网络干扰或结构变化等分类。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
利用扫描统计量最优且快速地检测空间聚集
- 研究问题
- 在多维空间 Bernoulli 模型中，如何同时处理扫描大量矩形窗口造成的多重检验和计算负担，并检测不同尺度的聚集？
- 方法与思路
- 作者按窗口大小分组并设置不同临界值，扫描边平行于坐标轴的矩形，同时用近似矩形集合减少统计量的计算次数。
- 材料陈述的贡献
- 摘要称，方法对大小尺度及单个边缘方向的聚集实现最优推断，近似扫描仍保留该性质，计算复杂度接近位置数的线性量级。
- 阅读关注点
- 应核对设计分布边缘弱依赖的条件、最优性所采用的检测准则，以及窗口分组、近似误差和接近线性复杂度的具体含义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法确定检测阈值和复杂度中的维数依赖，也不能推广到任意形状或任意空间依赖。
原文摘要
We consider the detection of multivariate spatial clusters in the Bernoulli model with N locations, where the design distribution has weakly dependent marginals. The locations are scanned with a rectangular window with sides parallel to the axes and with varying sizes and aspect ratios. Multivariate scan statistics pose a statistical problem due to the multiple testing over many scan windows, as well as a computational problem because statistics have to be evaluated on many windows. This paper introduces methodology that leads to both statistically optimal inference and computationally efficient algorithms. The main difference to the traditional calibration of scan statistics is the concept of grouping scan windows according to their sizes, and then applying different critical values to different groups. It is shown that this calibration of the scan statistic results in optimal inference for spatial clusters on both small scales and on large scales, as well as in the case where the cluster lives on one of the marginals. Methodology is introduced that allows for an efficient approximation of the set of all rectangles while still guaranteeing the statistical optimality results described above. It is shown that the resulting scan statistic has a computational complexity that is almost linear in N.