首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--计算机仿真论文

多变量仿真数据的高效可视化

摘要第5-7页
Abstract第7-8页
1 绪论第16-24页
    1.1 背景第16-18页
    1.2 研究现状第18-21页
        1.2.1 多变量空间数据场的数据表示第18-19页
        1.2.2 多变量空间数据场的相关性建模第19-20页
        1.2.3 多变量空间数据场的特征提取第20-21页
    1.3 本文工作及章节安排第21-24页
2 多变量模拟仿真数据可视化第24-38页
    2.1 多变量模拟仿真数据第24-25页
    2.2 多变量数据代理表示第25-27页
    2.3 多变量相关性建模第27-31页
        2.3.1 变量间相关性第27-29页
        2.3.2 体素间相关性第29-30页
        2.3.3 数值间相关性第30页
        2.3.4 子空间相关性第30-31页
    2.4 多变量特征检测第31-34页
        2.4.1 传输函数定义第32-33页
        2.4.2 等值面提取第33-34页
    2.5 多变量空间数据场可视化第34-38页
        2.5.1 特征绘制合成第34-36页
        2.5.2 变量关系可视化第36-38页
3 基于数值-位置联合聚类的数据表示第38-52页
    3.1 简介第38-39页
    3.2 基于数值-位置联合聚类的数据表示第39-46页
        3.2.1 算法流程第39-40页
        3.2.2 空间高斯混合模型建模第40-42页
        3.2.3 数据重构第42-43页
        3.2.4 重构结果可视化第43-46页
    3.3 算法评估第46-48页
        3.3.1 压缩比率第46-47页
        3.3.2 重构质量第47-48页
        3.3.3 重构速度第48页
    3.4 结果与讨论第48-51页
    3.5 本章小结第51-52页
4 基于特征子空间的多变量数据相关性可视分析第52-74页
    4.1 简介第52-54页
    4.2 特征子空间生成第54-57页
    4.3 特征子空间分析第57-59页
        4.3.1 特征子空间分组第57页
        4.3.2 特征子空间聚类第57-59页
    4.4 特征子空间探索第59-66页
        4.4.1 关联矩阵第59-61页
        4.4.2 散点图第61-62页
        4.4.3 强化平行坐标第62页
        4.4.4 空间视图第62-64页
        4.4.5 可视化探索指导第64-66页
    4.5 结果对比与讨论第66-72页
        4.5.1 Isabel飓风数据集第66-68页
        4.5.2 电离波前不稳定数据集第68-69页
        4.5.3 湍流燃烧数据集第69-71页
        4.5.4 讨论第71-72页
    4.6 本章小结第72-74页
5 针对多变量空间数据场主要特征的自动可视概览第74-90页
    5.1 简介第74-75页
    5.2 特征的定义和特征间对应关系的建立第75-79页
        5.2.1 合并树的构建与简化第75-76页
        5.2.2 特征树的构建与特征相关性计算第76-77页
        5.2.3 特征树匹配第77-79页
    5.3 特征网可视化第79-83页
        5.3.1 特征网的绘制第79-81页
        5.3.2 节点可视设计第81页
        5.3.3 可视化探索第81-83页
    5.4 结果与讨论第83-87页
        5.4.1 Arnold-Beltrami-Childress流场第83-84页
        5.4.2 五个喷射器模拟仿真数据第84-86页
        5.4.3 三维核聚变仿真数据第86-87页
        5.4.4 本文方法的局限性第87页
    5.5 本章小结第87-90页
6 总结与展望第90-94页
    6.1 本文工作总结第90-91页
    6.2 未来工作展望第91-94页
参考文献第94-104页
作者简历第104-106页
攻读博士学位期间主要的研究成果第106-108页
致谢第108页

论文共108页,点击 下载论文
上一篇:点云数据的鲁棒配准与自适应表面重建
下一篇:面向桌面云服务的虚拟化关键技术研究