统计稳健的聚类技术用于空间热点映射：一项调查

空间热点的映射，即生成某些事件（例如疾病或犯罪案件）显著更高比例的区域，是公共卫生、公共安全、交通、农业、环境科学等多个社会领域的重要任务。这些领域所需的聚类技术与传统聚类方法不同，因为虚假结果（例如犯罪聚类的误报）带来了高经济和社会成本。因此，需要明确的统计严谨性以控制虚假检测的比率。为了解决这一挑战，数据挖掘和统计学界对统计稳健聚类技术（例如扫描统计）进行了广泛研究。在本调查中，我们提供了该领域开发的模型和算法的最新、详细的审查。我们首先提出了一个统计稳健聚类的一般分类法，涵盖数据和统计建模、区域枚举和最大化，以及显著性检验的关键步骤。我们进一步讨论了每个关键步骤内的不同范式和方法。最后，我们强调了研究空白和潜在的未来方向，这可能为在这一不断发展的领域及其外部生成新的想法和思路提供一个跳板。