漩渦檢測與基于特征的流體可視化方法研究.pdf

1、在對大規(guī)模流體數(shù)據(jù)進(jìn)行可視化時，特征檢測能夠加速數(shù)據(jù)分析速度，并且能夠?qū)Υ罅侩s亂數(shù)據(jù)進(jìn)行有效可視化。在數(shù)據(jù)集中確定特征的方法有兩種:局部特征法和全局特征法。局部特征法，要分析鄰近的一小部分?jǐn)?shù)據(jù);全局特征法通過匯總的分類策略從整體提取特征。對有些種類的特征來說，全局特征法能夠更準(zhǔn)確的識別出被關(guān)注的特征。但是對于某些大規(guī)模數(shù)據(jù)，進(jìn)行全局特征檢測的代價太高。
　　 在流體力學(xué)的應(yīng)用中，漩渦是其中最主要的特征。由于缺乏嚴(yán)格的漩渦定義，目

2、前存在的很多漩渦檢測的方法的檢測結(jié)果并不理想。而目前主流的檢測算法，大部分都是局部檢測算法，由于單次檢測的數(shù)據(jù)量少，會顯得特別脆弱?；诖耍疚奶岢鍪褂脵C器學(xué)習(xí)的方法來提高漩渦檢測的魯棒性，該方法能夠綜合目前已有的檢測算法的優(yōu)點，生成一個性能較好的檢測算法。在專家的半監(jiān)督下，最后生成的檢測算法保留了各個局部檢測算法的優(yōu)勢，并逐漸逼近于理想的檢測算法。
　　 本文的主要貢獻(xiàn)和創(chuàng)新點包括:
　　 1.提出了專家參與的樣本標(biāo)定

3、方法
　　 專家借助流體數(shù)據(jù)中的流線來圈定包含流體特征的區(qū)域，作為機器學(xué)習(xí)的樣本以及衡量其他檢測結(jié)果優(yōu)劣的標(biāo)準(zhǔn)。盡管流線會受不穩(wěn)定因素影響，但其仍然是流體力學(xué)中常用的方法，能夠提供全局和局部的物理數(shù)據(jù)的特征。專家以其他檢測算法為參考，結(jié)合流線以及其他輔助的信息（局部最小壓力等）標(biāo)定流體特征。該方法結(jié)合了手動檢測流體特征的準(zhǔn)確性和其他自動檢測算法的靈活性，為后續(xù)機器學(xué)習(xí)方法得到最佳性能提供了前提。
　　 2.提出了檢測算法

4、的最優(yōu)閾值判定方法
　　 閾值對大多數(shù)檢測算法是至關(guān)重要的。本文使用ROC空間坐標(biāo)來比較檢測算法的性能，對每個檢測算法給出最接近最佳分類結(jié)果的閾值。在ROC空間定義衡量檢測算法性能的變量，即給定的檢測算法的性能坐標(biāo)到完美檢測算法坐標(biāo)的距離。首先在可能包含閾值的區(qū)域中按照樣本分布密度平均抽取臨時閾值樣本，計算這些樣本在ROC空間的性能，比較之后改變樣本抽取的區(qū)域重新抽取臨時閾值。依此不斷迭代，在精度的控制下逼近該檢測算法的最優(yōu)閾值

5、。該方法結(jié)合了統(tǒng)計學(xué)上的多種衡量標(biāo)準(zhǔn)，易于實現(xiàn)，應(yīng)用靈活。
　　 3.提出了基于Boosting技術(shù)的增強漩渦檢測方法
　　 借鑒機器學(xué)習(xí)中經(jīng)典的Boosting技術(shù)，結(jié)合流體數(shù)據(jù)自身的特征，通過對現(xiàn)有的檢測算法的有機結(jié)合來提升漩渦檢測的性能。因為目前能夠使用的流體特征較少，檢測算法數(shù)量有限而且性能相近，本文提出了有策略的增加子檢測算法的方法，避免了最終檢測結(jié)果被少數(shù)檢測算法控制的情況發(fā)生。實驗結(jié)果也驗證該方法的可用性和

6、有效性。
　　 4.提出了基于CAVIAR技術(shù)的增強漩渦檢測方法
　　 CAVIAR是一種基于特征空間內(nèi)相鄰樣本的學(xué)習(xí)算法?；贑AVIAR的增強算法，主要解決樣本間的特征距離問題，即樣本鄰居的定義。除了流體樣本自身的物理屬性，該方法還引入了空間相對位置的信息對樣本進(jìn)行聚類，然后結(jié)合現(xiàn)有的漩渦檢測算法對漩渦檢測的性能進(jìn)行增強。算法中，參數(shù)特征距離閾值用交叉驗證的方法判定。基于CAVIAR技術(shù)的增強漩渦檢測方法以樣本自身的