昨天在介绍中位数中心算法的时候，挖了个巨大的坑，结果导致老夫一夜没有睡好，脑子里面飞来飞去全部都是各种选择和迭代算法，今天终于下定决心把这个坑给填上。

其实我一直是不愿意填算法坑的……主要是自己的数学水平很一般，很容易出现填坑不成自己反被埋的情况，但是这个坑不填又不行，所以在填坑之前说明：这个仅是虾神我自己的理解，不代表原文（限于能力问题，数学论文确实不怎么能读透），如果有疑惑或者错误，请自行查

Esri于2015年8月正式推出了新一代的ArcGIS Runtime版本——Quartz。Quartz中文是石英，浮现于脑海中的，自然是闪闪发光的晶体。见名知意，Esri对这一版本充满自豪，寄予厚望。本篇我们就来聊一聊这一全新的版本。
Esri于2015年8月正式推出了新一代的ArcGIS Runtime版本——Quartz。根据Esri官方声明，Quartz版本无疑是迄今为止ArcGIS Ru

前段时间，有人批评我写白话空间统计的博客是在写软文给ArcGIS平台和Esri打广告，话说这个实在是太恭维我了。如果读到空间统计，而且还能读懂的人，不可能没有听说过ArcGIS软件吧，这种情况到底是先有鸡还是先有蛋，自然一目了然了。

虽然虾神在Esri中国干了好多年了，给公司打打广告也是理所当然的事情。但是写博客的时候确实还真没有这个想法，不过既然有人批评了，那么虾神我先挑明一下这系列白话

前言
本想在soe中进行sde for sqlserver数据获取。由于soe的调试不方便，为了测试的简便，先在桌面上写了个arcengine连接sde for sqlserver的程序，但是本以为是很简单的工作，但是由于对sde知识的缺乏，还是耽误了些时间，现在把结果总结，mark一下！
环境
arcgis sde 10.1 for sqlserver，arcengine 10.1，vs2010

终于写到我最喜欢的一个的工具（算法）了，方向分布是虾神我接触的第一个空间统计工具，也是每次讲空间统计必须要讲的一个，也是对点数据分析中很有用的一个工具。

点模式的分析中，一般会考察如下五种内容：

1、点的疏密，包括点数据的分布探索，是否一致、均匀或者不均匀。

2、点的方位，包括点的分布和方向。

3、点的数量：多少（极值和均值）。

4、点的大小：代表的含义（如

友好阅读链接：(http://swj.me/2015/08/26/batchPublishtools/)
update0918:
修复了创建链接文件时而出错的bug修复了在24011的警告已处理的情况下，依然出现提示的异常。将多个脚本文件，压缩成一个脚本文件。压缩后的脚本文件名称为Publishservice.py，使用如下命令执行工具python Publishservice.py重新创建了一

要说P、Z之前（本文的P、Z写法，请忽略大小写），我们先看看一个中学化学的概念：PH值。

另外，还要纠正一个说法，p 是一个值（p value），而z是一个得分（z scores),上篇文章中，称谓出错了。

就像上面那个PH试纸的标尺，从中间往两边延伸，表示酸碱的强度。理论上，自然界的物质，基本上以7为中心的泊松分布，就像下面这样：

相对于极度的强酸和极度的强碱，在自然界中的

书接上一回。

多距离空间聚类分析这个工具与其他的工具计算出来的结果都不太一样。按照空间分析软件的一般规律，扔进去的是一个空间数据，那么返回的自然也是一个空间数据……

不过在前面也很多分析工具告诉我们，可能就会返回几个数据给你，比如莫兰指数，给你几个值来表示一下。这个多距离空间聚类分析工具为为什么会让我们觉得神奇呢？因为他的返回值很神奇——它会返回一堆的数字给你。

返回的值以及含义如下：

栅格切片尺寸
在导入栅格到ArcSDE中的时候（注：另外在Tiled TIFF中也会存在切片），从《II.栅格数据模型》中可以知道，栅格实际上是被切割成一块块存储在SDE_BLK_ 表中，每条记录代表了一个切片。默认这个切片的尺寸大小是128*128像素，对于这个切片在数据库中的存储在这里进行一下更深入的讨论。
如果我们在导入栅格的时候选择的压缩方式为None或者默认的LZ77，从上面的《压缩格式

地图文档：
1.使用ESRI免费提供的mxdperfstat工具进行检查2.对简单应用使用msd3.不要使用动态投影
服务配置：
1.地图服务一般每个CPU核配2-4个实例2.GP服务一般每个CPU核配1个实例

地图切片输出格式：
1.主要由矢量数据构成的地图使用png2.主要由栅格数据构成的地图使用jpg

ArcSDE：
1.栅格数据建议使用jpg而不是LZ772.数据不要注册版本

测试：

空间分析里面，最重要的一个概念就是距离，不同的距离会导致不同的结果。在研究的时候，有种叫做“空间尺度”的概念，这个有兴趣的话，请自行百度（老规矩：百度知道的东西别问我）。

所以，在研究聚类的时候，最重要的就是确定不同数据之间的距离，否则就会如下：




聚类分析中，要素之间的距离是个很重要的参数；也就是说两个要素相隔多远才算是聚成一类呢？在任何一种聚类算法中，探索一个合

前言：热烈庆祝虾神人生第三十三个七夕虐狗节，正好文章又发到第十话，双喜临门……

好了，言归正传，昨天我们讲了方向分布工具，这个工具会生成一个标准差椭圆，其中有这样的一句话描述：

“短半轴表示数据分布的范围，短半轴越短，表示数据呈现的向心力越明显；反之，短半轴越长，表示数据的离散程度越大”

那么可能会带来一个这样的疑问（不知道大家有没有，反正我有），如果说，这些数据表现出了明