論文の概要: Geographically Weighted Canonical Correlation Analysis: Local Spatial Associations Between Two Sets of Variables

• arxiv url: http://arxiv.org/abs/2602.10241v1
• Date: Tue, 10 Feb 2026 19:36:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.257155
• Title: Geographically Weighted Canonical Correlation Analysis: Local Spatial Associations Between Two Sets of Variables
• Title（参考訳）: 地理的重み付き正準相関解析:2組の変数間の局所的関連
• Authors: Zhenzhi Jiao, Angela Yao, Ran Tao, Jean-Claude Thill,
• Abstract要約: 本稿では,古典的統計手法であるカノニカル相関解析(CCA)の空間関係研究への応用を批判的に評価する。 本研究では,2つの変数間の局所的空間的関連を探索する新しい手法として,地理重み付き標準相関解析(GWCCA)を提案する。 その結果,GWCCAは都市計画,環境科学,公衆衛生,交通といった空間データ集約分野に広く応用できる可能性が示唆された。
• 参考スコア（独自算出の注目度）: 47.652697094546994
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This article critically assesses the utility of the classical statistical technique of Canonical Correlation Analysis (CCA) for studying spatial associations and proposes a new approach to enhance it. Unlike bivariate correlation analysis, which focuses on the relationship between two individual variables, CCA investigates associations between two sets of variables by identifying pairs of linear combinations that are maximally correlated. CCA has strong potential for uncovering complex multivariate relationships that vary across geographic space. We propose Geographically Weighted Canonical Correlation Analysis (GWCCA) as a new technique for exploring local spatial associations between two sets of variables. GWCCA localizes standard CCA by weighting each observation according to its spatial distance from a target location, thereby estimating location-specific canonical correlations. The effectiveness of GWCCA in recovering spatial structure and capturing spatial effects is evaluated using synthetic data. A case study of US county-level health outcomes and social determinants of health further demonstrates the empirical capabilities of the proposed method. The results indicate that GWCCA has broad potential applications in spatial data-intensive fields such as urban planning, environmental science, public health, and transportation, where understanding local multivariate spatial associations is critical.
• Abstract（参考訳）: 本稿では,古典的統計手法であるカノニカル相関解析(CCA)の空間関係研究への応用を批判的に評価し,それを強化するための新しいアプローチを提案する。 2つの変数間の関係に焦点を当てた二変量相関解析とは異なり、CAAは最大相関の線形結合のペアを同定することで2つの変数の集合間の関係を調査する。 CCAは、地理的空間によって異なる複雑な多変量関係を明らかにする強力な可能性を持っている。 本研究では,2つの変数間の局所的空間的関連を探索する新しい手法として,地理重み付き標準相関解析(GWCCA)を提案する。 GWCCAは、目標位置からの距離に応じてそれぞれの観測を重み付け、位置特異的な正準相関を推定することによって、標準CCAをローカライズする。 空間構造の回復と空間効果の捕捉におけるGWCCAの有効性を,合成データを用いて評価した。 米国の郡レベルの健康結果と健康の社会的決定要因のケーススタディは、提案手法の実証的能力をさらに証明している。 その結果、GWCCAは、都市計画、環境科学、公衆衛生、交通といった空間データ集約分野において、地域多変量空間関連を理解することが重要となる幅広い可能性を持っていることが示唆された。

関連論文リスト

• An Interpretable Implicit-Based Approach for Modeling Local Spatial Effects: A Case Study of Global Gross Primary Productivity [9.352810748734157]
  地球科学では、観測されていない要因は非定常分布を示し、特徴と対象の関係が空間的不均一性を示す。 地理的機械学習タスクでは、従来の統計学習手法は空間的不均一性を捉えるのに苦労することが多い。 我々は、深層ニューラルネットワークを用いた空間差と並行して、異なる場所で共通する特徴を同時にモデル化する、新しい視点を提案する。
  論文  参考訳（メタデータ） (2025-02-10T05:44:54Z)
• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Generalizable Heterogeneous Federated Cross-Correlation and Instance Similarity Learning [60.058083574671834]
  本稿では,新しいFCCL+,フェデレーション相関と非ターゲット蒸留との類似性学習を提案する。 不均一な問題に対しては、無関係な公開データを通信に活用する。 局所的な更新段階における破滅的な忘れ物として、FCCL+はFederated Non Target Distillationを導入している。
  論文  参考訳（メタデータ） (2023-09-28T09:32:27Z)
• DCID: Deep Canonical Information Decomposition [84.59396326810085]
  本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。 そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。 また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
  論文  参考訳（メタデータ） (2023-06-27T16:59:06Z)
• Parallel Reasoning Network for Human-Object Interaction Detection [53.422076419484945]
  並列推論ネットワーク(PR-Net)というトランスフォーマーに基づく新しい手法を提案する。 PR-Netは、インスタンスレベルのローカライゼーションと関係レベルの理解のための2つの独立した予測器を構築する。 我々のPR-NetはHICO-DETとV-COCOベンチマークで競合する結果を得た。
  論文  参考訳（メタデータ） (2023-01-09T17:00:34Z)
• STICC: A multivariate spatial clustering method for repeated geographic pattern discovery with consideration of spatial contiguity [7.376428009531946]
  理想的な空間クラスタリングは、空間的連続性と空間的属性の両方を考慮するべきである。 既存の空間クラスタリングアプローチは、空間的連続性を維持した反復的な地理的パターンを発見するための課題に直面する可能性がある。 本研究では,地理的オブジェクトの属性と空間的関係を考慮した空間的Toeplitz Inverse Covariance-Based Clustering (STICC)法を提案する。
  論文  参考訳（メタデータ） (2022-03-17T20:58:06Z)
• Multi-modality fusion using canonical correlation analysis methods: Application in breast cancer survival prediction from histology and genomics [16.537929113715432]
  2つのモードの融合にカノニカル相関解析(CCA)とCCAのペナル化変種を用いて検討した。 モデルパラメータが既知の場合,両モードを併用した後進平均推定器は,潜時変動予測における単一モード後進推定器の任意の線形混合よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-27T21:18:01Z)
• Conditional canonical correlation estimation based on covariates with random forests [0.0]
  本研究では,2つの変数間の条件付き正準相関を推定するRFCCAを用いたランダムフォレスト(Random Forest)を提案する。 提案手法と大域的意義試験は,精度の高い正準相関推定とよく制御されたType-1誤差を提供するシミュレーション研究によって評価される。
  論文  参考訳（メタデータ） (2020-11-23T17:09:46Z)
• Probabilistic Canonical Correlation Analysis for Sparse Count Data [3.1753001245931323]
  正準相関解析は2つの連続変数間の関係を探索する重要な手法である。 2つのスパースカウントデータセットの相関と正準相関推定のためのモデルに基づく確率的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-05-11T02:19:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。