这可能非常简单，如果证明是真的，我会删除这篇文章。
我已经对这个答案进行了相当多的研究，但我并不精通空间分析术语。
我的数据包括平均分数列，x坐标和y坐标。分数范围为0-50。
我希望在此数据中识别出相似强度的区域（平均分数<20）。类似于最近邻居的东西，但产生分数较差的中心。并非这些中心内的所有数据都不是很差;但是，大多数人（95％）。然后，我想从我的数据集中删除这些区域。
我意识到我已经在这篇文章中提出了多个请求，但只是确定贫困地区将是最大的帮助。我查看了热图并简单地绘制了由分数组成的矩阵;但是，热图不太适合我的数据（我认为？），图像绘图只提供每个点的颜色，而不是相似值的区域。
我可能会把代码弄清楚，但我不知道要搜索的条款是诚实的。怎么称呼我要找的东西？我现在正在学习内核平滑或最近邻分析。
由于
答案 0 :(得分：0)
您可以查看spatstat个函数Smooth（注意大写S）和cut.im。
使用x，y和＆＃34;得分＆＃34;生成人工data.frame;列（实际上是树木的位置和直径）：
library(spatstat)
x <- as.data.frame(longleaf)
转换为ppp对象：
W <- boundingbox(x)
X <- as.ppp(x, W=W)
平滑值并将其切割成区域：
i <- Smooth(X)
regions <- cut(i, breaks = 5)
plot(regions)