Como construir quadratas para processos pontuais que diferem bastante em frequência?

Desejo executar a análise da contagem de quadratura em vários processos de pontos (ou um processo de pontos marcados), para aplicar algumas técnicas de redução de dimensionalidade.

As marcas não são distribuídas de forma idêntica, ou seja, algumas aparecem com bastante frequência e outras são muito raras. Assim, não posso simplesmente dividir meu espaço 2D em uma grade regular, porque as marcas mais frequentes "sobrecarregam" as menos frequentes, ocultando sua aparência.

Assim, tentei construir minha grade de modo que cada célula tenha no máximo N pontos (para isso, simplesmente divido cada célula em quatro células menores (e de tamanho igual)), recursivamente, até que nenhuma célula tenha mais que N pontos em isto).

O que você acha dessa técnica de "normalização"? Existe uma maneira padrão de fazer essas coisas?

Eu usei a análise quadrática apenas em grades regulares. Foi útil em relação ao objetivo, que era comparar a dispersão dos dados de amostragem com um processo conhecido, por exemplo, aleatório. Portanto, uma grade regular funcionou bem.
O método que você desenvolveu e descreveu não tem certeza de contar em quadratura. Por exemplo, no método da média móvel, uma opção é contar o número de vizinhos para o processo, ou seja, a média, o que é feito simplesmente pesquisando dentro de um círculo (em 2D) ou esfera (em 3D). Seu método é semelhante ao uso ligeiramente diferente das amostras selecionadas.