| 摘要 | 第1-13页 |
| ABSTRACT | 第13-16页 |
| 第1章 绪论 | 第16-28页 |
| ·研究背景及意义 | 第16-17页 |
| ·研究现状 | 第17-24页 |
| ·漩涡检测 | 第17-20页 |
| ·机器学习 | 第20-21页 |
| ·流体可视化 | 第21-24页 |
| ·主要研究内容 | 第24-26页 |
| ·论文的组织结构 | 第26-28页 |
| 第2章 基于特征的流体可视化方法框架 | 第28-37页 |
| ·方法概述 | 第28-29页 |
| ·数据读取 | 第29-31页 |
| ·数据分析 | 第31-34页 |
| ·数据过滤 | 第34-35页 |
| ·数据映射与渲染 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 流体特性与专家数据的获取 | 第37-57页 |
| ·湍流与漩涡 | 第37-40页 |
| ·湍流的定义和特征 | 第37-38页 |
| ·湍流的特征量和特征尺度 | 第38-39页 |
| ·湍流的运动方式 | 第39-40页 |
| ·湍流的模拟 | 第40-41页 |
| ·漩涡特征识别方法 | 第41-53页 |
| ·基于速度梯度张量的检测方法 | 第43-47页 |
| ·局部极值方法 | 第47-49页 |
| ·粒子追踪 | 第49-51页 |
| ·其他方法 | 第51-53页 |
| ·专家数据的获取 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第4章 最优阈值与特征距离的确定 | 第57-69页 |
| ·阈值的选取 | 第57-62页 |
| ·特征距离 | 第62-68页 |
| ·本章小结 | 第68-69页 |
| 第5章 基于Boosting方法的增强漩涡检测算法 | 第69-80页 |
| ·基本的Boosting增强算法 | 第69-72页 |
| ·改进的Boosting增强算法 | 第72-73页 |
| ·实验结果 | 第73-79页 |
| ·本章小结 | 第79-80页 |
| 第6章 基于CAVIAR的增强漩涡检测算法 | 第80-90页 |
| ·CAVIAR算法概述 | 第80-81页 |
| ·算法优化 | 第81-83页 |
| ·参数设定与交叉验证 | 第83-85页 |
| ·实验结果 | 第85-89页 |
| ·本章小结 | 第89-90页 |
| 第7章 总结和展望 | 第90-93页 |
| ·工作总结 | 第90-91页 |
| ·工作展望 | 第91-93页 |
| 参考书目 | 第93-102页 |
| 致谢 | 第102-103页 |
| 攻读学位期间发表的学术论文目录 | 第103-104页 |
| 攻读学位期间参与科研项目情况 | 第104-105页 |
| 附录 英文论文 | 第105-139页 |
| 附表 | 第139页 |