加入VIP
机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版

编辑点评:机器学习与流场数据可视化在线阅读

机器学习与流场数据可视化本书内容主要包括:科学计算可视化的内容、技术现状和挑战,机器学习基本理论,使用Boosting和CAVIAR两种方法进行科学计算可视化的理论和方法等,感兴趣的欢迎下载阅读

机器学习与流场数据可视化在线阅读

内容简介

科学计算可视化(Scientific Visualization,SciVis)是计算机图形学的一个重要研究方向,是图形科学的新领域。随着计算能力的不断增强,科学数据中使用的物理模型以及模拟空间的大小都在不断提高。

本书尝试性地将机器学习理论应用于科学计算可视化中,大大提高了数据中特征识别的鲁棒性和准确率,同时结合流场数据可视化技术的具体实现,详细阐述这两个领域结合的理论和存在的关键问题。

本书内容主要包括:科学计算可视化的内容、技术现状和挑战,机器学习基本理论,使用Boosting和CAVIAR两种方法进行科学计算可视化的理论和方法等。

本书可作为高等学校计算机或非计算机专业研究生科学计算可视化课程的参考书,也可作为从事流场数值模拟和流场可视化技术的研究或开发人员的参考书。

相关内容部分预览

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(1)

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(2)

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(3)

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(4)

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(5)

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(6)

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(7)

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(8)

作者简介

张丽,博士,齐鲁工业大学信息学院,2009年9月―2010年2月,美国密西西比州立大学航空航天系访问学者,

2010年3月―2011年8月,美国俄亥俄州立大学计算机科学与工程学院访问学者。2014年至今,主要讲授面向对象程序设计、数据库系统等课程。

目  录

第1章 概述t1

1.1 科学计算可视化简介t1

1.1.1 标量场可视化t3

1.1.2 向量场可视化t3

1.1.3 张量场可视化t5

1.2 流场可视化t7

1.2.1 流场可视化的流程t7

1.2.2 流场可视化的特点t8

1.2.3 流场可视化的分类t9

1.2.4 流场可视化技术t13

1.3 可视化开发工具VTKt14

1.3.1 VTK简介t14

1.3.2 VTK环境搭建t18

1.3.3 VTK与MFCt21

第2章 流场数据对象及流场特性t25

2.1 数据模型t25

2.2 数据类型t29

2.2.1 标量数据t29

2.2.2 向量数据t30

2.2.3 张量数据t30

2.3 数据格式t31

2.3.1 PLOT3Dt32

2.3.2 VTKt34

2.3.3 OBJt37

2.4 本章小结t39

第3章 流场基础特征可视化t41

3.1 湍流t41

3.1.1 湍流的定义和特征t41

3.1.2 湍流的特征量和特征尺度t43

3.1.3 湍流的运动方式t44

3.2 湍流的模拟t44

3.3 漩涡特征识别方法t45

3.3.1 漩涡检测t45

3.3.2 基于速度梯度张量的检测方法t49

3.3.3 局部极值方法t52

3.3.4 粒子追踪t54

3.3.5 其他方法t61

3.4 本章小结t63

第4章 交互式流体可视化t65

4.1 交互式可视化t65

4.1.1 修改类交互t65

4.1.2 基于选择的交互t66

4.2 专家数据的获取t67

4.3 本章小结t77

第5章 机器学习增强流场可视化t79

5.1 方法概述t79

5.1.1 数据读取t79

5.1.2 数据分析t81

5.1.3 数据过滤t85

5.1.4 数据映射和渲染t86

5.2 阈值的选取t88

5.3 特征距离t93

5.4 本章小结t99

第6章 Boosting与漩涡检测t101

6.1 基本的Boosting增强算法t101

6.2 改进的Boosting增强算法t106

6.3 实验结果分析t107

6.4 本章小结t116

第7章 CAVIAR与漩涡检测t117

7.1 CAVIAR算法概述t117

7.2 CAVIAR算法优化t118

7.3 参数设定与交叉验证t122

7.4 实验结果分析t125

7.5 本章小结t129

参考文献t130

机器学习和数据可视化有什么联系?

从数据分析的角度去看的话, 两者都是属于数据分析的工具,只是彼此从不同的角度去看数据。机器学习是从模型的角度,数据可视化是从图像的角度。两者相互可以结合k-聚类算法加简单的散点图. 

K-聚类机器学习的一块,散点图是可视化的一块。两者结合能够让你对数据有更加全面的认知机器学习促进可视化最好的例子应该就是T-SNE,一个将高纬度的数据降为的2维,进行可视化。

下面的图片一个将1-10 数据图像降到2维然后画出来的结果。很好的解释这一组数据的分布。换而言之,如果底层的模型能够很好的整合数据,

可视化出来的效果会更好可视化促进机器学习之前Mini-Titan的答案已经用了决策树可视化的例子表示可以用可视化更深层次的观察模型观察模型,看看模型怎样做决策的。已经模型出现错误判断的原因和可能的问题。

机器学习与流场数据可视化在线阅读截图

机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(9)机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(10)机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(11)机器学习与流场数据可视化pdf书-机器学习与流场数据可视化在线阅读电子版插图(12)

评分及评论

无用户评分

来评个分数吧

  • 5 分
    0
  • 4 分
    0
  • 3 分
    0
  • 2 分
    0
  • 1 分
    0

评论