Come costruire quadrati per processi puntuali che differiscono notevolmente in frequenza?

Voglio eseguire l'analisi del conteggio dei quadranti su più processi a punti (o un processo a punti contrassegnati), per poi applicare alcune tecniche di riduzione della dimensionalità.

I marchi non sono distribuiti in modo identico, ovvero alcuni segni appaiono abbastanza spesso e altri sono piuttosto rari. Pertanto, non posso semplicemente dividere il mio spazio 2D in una griglia regolare, perché i segni più frequenti "sopraffanno" quelli meno frequenti, mascherando il loro aspetto.

Quindi, ho provato a costruire la mia griglia in modo tale che ogni cella abbia al massimo N punti al suo interno (per fare ciò, divido semplicemente ogni cella in quattro celle più piccole (e ugualmente dimensionate), ricorsivamente, fino a quando nessuna cella ha più di N punti in esso).

Cosa ne pensi di questa tecnica di "normalizzazione"? Esiste un modo standard per fare queste cose?

Ho usato l'analisi del quadrat solo su griglie regolari. È stato utile per quanto riguarda lo scopo, che era quello di confrontare la dispersione dei dati di campionamento con un processo noto, ad esempio casuale. Pertanto una griglia regolare ha funzionato bene.
Il metodo che hai sviluppato e descritto non è sicuro di essere il conteggio dei quadranti. Ad esempio nel metodo della media mobile, un'opzione è quella di contare il numero di vicini per il processo, ovvero la media, che viene semplicemente eseguita mediante la ricerca all'interno di un cerchio (in 2D) o di una sfera (in 3D). Il tuo metodo sembra simile con un uso leggermente diverso di quei campioni selezionati.