| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 本论文的研究背景和意义 | 第9-10页 |
| 1.2 流场可视化研究现状及发展趋势 | 第10-19页 |
| 1.2.1 流场可视化技术及分类 | 第10-11页 |
| 1.2.2 聚类算法 | 第11-12页 |
| 1.2.3 矢量场聚类算法 | 第12-19页 |
| 1.3 本论文主要工作 | 第19页 |
| 1.4 本论文组织结构 | 第19-21页 |
| 第2章 突出特征的二维流场可视化方法 | 第21-37页 |
| 2.1 问题的提出 | 第21-22页 |
| 2.2 突出特征的自顶向下流场聚类算法 | 第22-29页 |
| 2.2.1 方法概述 | 第22-24页 |
| 2.2.2 向量场区域划分 | 第24-25页 |
| 2.2.3 代表向量的选取 | 第25-26页 |
| 2.2.4 中间向量场的构造 | 第26页 |
| 2.2.5 原始向量场与中间场之间的相似性度量方法 | 第26-27页 |
| 2.2.6 放置分割流线的位置的确定 | 第27-29页 |
| 2.3 实验结果及分析 | 第29-36页 |
| 2.3.1 聚类结果比较 | 第29-30页 |
| 2.3.2 与Heckle方法中间场的比较 | 第30-34页 |
| 2.3.3 与Heckle方法error值收敛速度比较 | 第34-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于流线相似性的流场K-MEANS聚类 | 第37-46页 |
| 3.1 流线相似性简介 | 第37-38页 |
| 3.2 基于流线相似性的流场K-MEANS聚类 | 第38-44页 |
| 3.2.1 方法概述 | 第38-39页 |
| 3.2.2 k-means聚类算法简介 | 第39-40页 |
| 3.2.3 数据定义以及k-means聚类过程 | 第40-41页 |
| 3.2.4 流线相似性的选取 | 第41页 |
| 3.2.5 聚类中心的选取 | 第41页 |
| 3.2.6 实验结果 | 第41-43页 |
| 3.2.7 流线相似性的进一步探索 | 第43-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第4章 自底向上的流场分层聚类简化 | 第46-55页 |
| 4.1 问题的提出 | 第46-47页 |
| 4.2 自底向上流场分层聚类简化 | 第47-55页 |
| 4.2.1 方法概述 | 第47-48页 |
| 4.2.2 相邻单元格的判定 | 第48-49页 |
| 4.2.3 网格相似性测度 | 第49-50页 |
| 4.2.4 聚类中心的选取 | 第50-51页 |
| 4.2.5 聚类过程 | 第51-52页 |
| 4.2.6 实验效果 | 第52-54页 |
| 4.2.7 本章小结 | 第54-55页 |
| 第5章 总结 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读学位期间发表论文与研究成果清单 | 第60-61页 |
| 致谢 | 第61页 |