一种基于特征信息种子点选取的多层次流线可视化

流线是流场可视化的一种重要的方法,而种子点的选取是生成流线一个关键问题.为此,提出一种新的流线种子点放置算法,将信息熵和临界点有机地结合起来,用信息熵找出流场变化剧烈的区域,然后利用临界点的拓扑结构信息对局部区域的种子点放置做精细控制,从而不仅能够覆盖流场中变化剧烈的区域,而且考虑了流场的拓扑结构特征,可以更加有效地可视化流场中的信息.为了使全局和局部区域的流场都高精度显示,设计了基于图像空间的交互操作,对于流场的全局展示,利用改进的算法放置种子点,在流场的宏观显示上能够尽可能多地绘制出流场信息,对于局部细节根据文中设计的交互形式,只针对用户放大的局部进行高清晰绘制,这样既可以对全局采用适度的流线高清晰显示流场整体情况而无视觉混乱,而放大到局部时又有足够多的流线刻画局部流场的细节特征.实验结果证明了算法的有效性.     

基于非结构化三角网格的海洋流场可视化

针对二维流场可视化均是基于结构化网格流场数据的情况,提出一种基于非结构化三角网格的海洋流场可视化策略：使用流线表达流场,流线可视化的主要挑战是种子点放置问题,即流线的初始点,制定了非结构化三角网格下基于特征引导的种子点放置策略,合理放置流线初始点以利于表达流场特征;设计了基于网格密度的层次聚类算法,引入网格密度属性对流线进行聚类并基于聚类质心进行流线放置,在保留了FVCOM 模式数据的多密度性前提下提高了流线可视化效果。实验表明,该方法可以有效地保留流场特征,并且借助 FVCOM 模式的边界拟合性能在海湾、河道等地区取得良好的可视化效果;在此基础上,基于 Cesium引擎开发了基于流线聚类数据的动态流场可视化应用,其是 FVCOM 模式数据首次应用于动态粒子流场的一次尝试,并且具有较好的可视化效果。     

基于信息熵的流线质量评估和布局算法

基于流线的矢量场可视化是科学可视化的重要分支,在许多领域都有重要应用。但是现有的可视化方法很难有效评估流线对矢量场信息的反映程度。为了解决这一问题,提出了一种基于信息熵的矢量场种子点评估和布局算法。首先,基于信息熵进行初始布点捕捉矢量场中的主要特征,并利用模板将这些特征加强显示。然后,基于生成的流线恢复中间矢量场,通过恢复的矢量场和输入矢量场的条件熵值量化评估现有流线对矢量场的信息反映程度。根据条件熵和重要性添加新种子点。重新评估流线质量,反复迭代直到条件熵收敛。实验表明,该方法可以用较少的流线反映出矢量场中较多的信息。     

地下水渗流场可视化方法与应用研究

渗流场是反映地下水位与运移时空动态特征的有效形式,水位红线是对地下水开采严格管控的重要指标。从地下水渗流的流线绘制、流速计算、流场种子点与终止点选择、流线追踪4个方面论述了孔隙地下水渗流场可视化算法,设计了一种新的种子点布局方法表征地下水渗流场,采用改进的EULER方法实现流线的可视化表达。并将地下水渗流场空间分异性和水位红线进行融合与叠加分析,基于地下水渗流场从2D的视角揭示地下水的开采强度与超采程度的空间分布特征,自动圈定地下水超限采的区域范围。可为地下水的合理开采方案与地质管理保护措施的制定提供空间辅助决策支持。     

基于流线的流场可视化绘制方法综述

流场可视化是科学计算可视化中一个重要的分支,主要对计算流体动力学的模拟计算结果进行可视化,给研究人员提供视觉上直观可见的图形图像,方便研究人员进行分析.流场可视化的已知技术包括基于几何的方法(如流线和粒子追踪法)以及基于纹理的方法(如LIC、噪声点、IBFV等).流线可视化是流场可视化的一个重要且常用的几何可视化手段.在流线可视化的研究中,流线的放置是整个流线可视化的重点,流线的数目和位置影响了整个可视化效果.当流线放置过多时,会造成视觉的杂乱;而流线放置过少会使流场信息表达不完整,无法传递完整的信息给领域专家.为了实现对科学数据的精确显示,流线可视化产生了两个重要的研究方向:种子点的放置和流线的约减.文中介绍了种子点放置方法和流线的约减方法的相关研究,总结了在2D和3D流场上出现的一些问题和采取的解决方案,并针对日益增长的科学数据,提出流线可视化下一步需要解决的问题.     

基于信息熵的流场定向线积分卷积算法

流场可视化是对流场数据进行直观分析的一种新的可视化技术,而定向线积分卷积（OLIC）算法作为一种经典的纹理可视化方法,使用该算法能明显地观察出流场方向流动的演化。为了优化可视化效果,提出了一种基于信息熵的OLIC算法。首先,基于流场矢量数据生成基于信息熵的稀疏噪声;然后,采用斜坡卷积核函数对输入纹理进行卷积计算;最后,通过计算输出纹理图像中每一个像素点的灰度值,得到最终的OLIC纹理图像。所提算法可以根据熵值在临界点区域和非临界点区域自适应地生成流线。其中临界点区域含有流场的重要信息,选择密集绘制;而在非临界点区域则选择稀疏绘制。通过在不同区域绘制不同密度的流线,所提算法节省了计算成本;与普通OLIC算法相比,所提算法的绘制速度至少提升了18.6%;在可视化效果方面,所提算法优于普通的全局绘制,使用所提算法能更仔细地观察特征区域。     

基于加权随机采样的流场可视化方法

在总结流场可视化方法的基础上,分析流场可视化的关键技术,提出一种基于加权随机采样的流场可视化方法。利用屏幕空间四叉树分割法定义屏幕横纵坐标的种子点选择概率模型,对种子点的随机选择进行加权引导,利用HTML5的Canvas特性实现流线的动态绘制,结合粒子系统实现流线的内存管理,整合一套有效的流场可视化方法。对比实验和三维GIS平台上的整合应用结果表明,该方法在有效展示整体流场的同时能够实现LOD方式的流场细节可视化展示。     

基于MCMC的改进粒子滤波算法

针对传统粒子滤波算法建议分布函数的选取问题和粒子退化现象,提出一种基于马尔可夫蒙特卡洛思想的改进粒子滤波算法.使用基于比例对称采样方法选取Sigma点的无迹卡尔曼滤波,产生粒子滤波并建议分布函数;将似然分布自适应权值调整策略应用于权值选取步骤;采用系统重采样方法,加入了用来保持粒子多样性的马尔科夫链蒙特卡洛步骤.仿真结果表明,该算法的估计状态能够更好地吻合真实轨迹,在非线性、非高斯场合的估计性能较优.     

三维流场的流线提取算法

为了有效地解决三维流场可视化中由于播种流线所产生的众所周知的遮挡和杂乱问题,呈现出清晰的流场模式与流场的重要特征,提出一种基于迭代最邻近点(ICP)与K均值聚类的流线提取算法.首先利用ICP算法实现流线间轮廓特征上的配准,并根据几何相似性进行排序;然后利用K均值聚类算法对流线分组;最后根据用户指定密度约简多余相似性流线,并以此结果重构矢量场来评价文中算法的精确度.将文中算法应用到多个数据集进行实验并与已有的流线分布的最新算法进行比较,结果表明,该算法能更有效地反映流场的关键特性,大大提高了三维流场数据集的可读性.     

矢量场可视化线积分卷积方法研究与系统设计

随着矢量场数据规模的增加,不论是采用流线还是基于LIC技术绘制流场,其绘制速度都是评价其性能的重要指标,此外由于流线数量增加,流线会在临界点附近产生长流线汇聚问题,导致视觉混乱,冗余计算过多等问题。为了解决上述问题,提出了改进的平坦种子生成策略和FSeedLIC算法,设计并实现了矢量场可视化系统。通过实验表明采用改进的平坦种子生成策略的流线生成算法其加速效果平均能达到70%,产生的流线更加均匀,解决了长流线在密集区域汇聚的问题;FSeedLIC算法相对LIC算法在得到相同的可视化效果的条件下,其加速比平均在60%以上。     

基于信息熵的多电飞机供电可靠度评估

由于多电飞机拓扑结构复杂且发生故障的概率较低,采用传统的蒙特卡罗采样方法进行可靠度评估时存在采样次数多,仿真时间长等缺点。通过信息熵引入多元件系统的近似概率分布,从而提出一种适用于多电飞机供电可靠度评估方法,在信息熵中引入最优参数,改变了元件的故障概率分布,构造了元件零方差概率密度函数的近似函数,然后利用差分进化求解最优参数。结合对偶抽样的信息熵法可进一步降低采样过程的方差,提高了传统蒙特卡罗方法的采样效率。最后使用一个多电飞机电源系统为应用案例,对几种可靠度分析方法进行收敛性和准确性分析,其结果表明本文方法在小概率事件评估问题上优势明显。     

支持向量机核函数选择研究与仿真

支持向量机是一种基于核的学习方法,核函数选取对支持向量机性能有着重要的影响,如何有效地进行核函数选择是支持向量机研究领域的一个重要问题。目前大多数核选择方法不考虑数据的分布特征,没有充分利用隐含在数据中的先验信息。为此,引入能量熵概念,借助超球体描述和核函数蕴藏的度量特征,提出一种基于样本分布能量熵的支持向量机核函数选择方法,以提高SVM学习能力和泛化能力。数值实例仿真验证表明了该方法的可行性和有效性。     

VR系统中的三维流场可视化

本文提出了一种将基于几何图元的三维流场可视化集成到VR系统的新方法。该方法的主要目标是把握流场中的基本特征，并提供较强的沉浸感显示。首先，流域中的临界点被抽取出来，分成不同的类别，并据此在临界点周围设置不同的种子点模板；其次，提出了一种根据原始流线创建流管的新方法；最后，将可视化结果集成到一个可交互的后处理单元。通过佩戴立体眼镜和头位跟踪器，用户可以清楚地把握流场中的主要特征。     

Efficient and accurate approximate Bayesian inference with an application to insurance data

Efficient and accurate Bayesian Markov chain Monte Carlo methodology is proposed for the estimation of event rates under an overdispersed Poisson distribution. An approximate Gibbs sampling method and an exact independence-type Metropolis-Hastings algorithm are derived, based on a log-normal/gamma mixture density that closely approximates the conditional distribution of the Poisson parameters. This involves a moment matching process, with the exact conditional moments obtained employing an entropy distance minimisation (Kullback-Liebler divergence) criterion. A simulation study is conducted and demonstrates good Bayes risk properties and robust performance for the proposed estimators, as compared with other estimating approaches under various loss functions. Actuarial data on insurance claims are used to illustrate the methodology. The approximate analysis displays superior Markov chain Monte Carlo mixing efficiency, whilst providing almost identical inferences to those obtained with exact methods.     

基于信息熵的蒙特卡罗全局光照的自适应抽样

在真实感图形生成领域里，蒙特卡罗方法是计算整体光照问题的极佳选择。但是，在用基于蒙特卡罗的全局光照算法生成的图像中，当没有足够多的采样量的时候，存在大量的噪声。自适应抽样方法是减少这种噪声的一种很好的方法。该文提出了一种新的基于信息熵的自适应抽样算法。实验结果表明，该方法的效果优于香农信息熵等经典方法。     

Monte Carlo simulation-compatible stochastic field for application to expansion-based stochastic finite element method

In order to endow the expansion-based stochastic formulation with the capability of representing the characteristic behavior of stochastic systems, i.e., the non-linear dependence of the response variability on the coefficient of variation of the stochastic field, a Monte Carlo simulation-compatible stochastic field is suggested. Through a theoretical comparison of displacement vectors in the Monte Carlo method and an expansion-based scheme, it is found that the stochastic field adopted in the expansion-based scheme is not compatible with that appearing in the Monte Carlo simulation. The Monte Carlo simulation-compatible stochastic field is established by means of enforcing the compatibility between the stochastic fields in the expansion-based scheme and the Monte Carlo simulation. Employing the stochastic field suggested in this study, the response variability is reproduced with high precision even for uncertain fields with a moderately large coefficient of variation. Furthermore, the formulation proposed here can be used as an indirect Monte Carlo scheme by directly substituting the numerically simulated random fields into the covariance formula. This yields a pronounced reduction in the computation cost while resulting in virtually the same response variability as the Monte Carlo technique.     

Particle filter based information-theoretic active sensing

This work addresses the task of active sensing, or information-seeking control of mobile sensor platforms. Formulation of a control objective in terms of information gain allows mobile sensors to be both autonomous and easily reconfigurable to include a variety of sensor and target models. Tracking a moving target using a camera mounted on a fixed-wing unmanned aircraft is considered, but the control formulation is not specific to this choice of sensor or estimation task. A control formulation is developed which minimizes the entropy of an estimate distribution over a receding horizon subject to stochastic non-linear models for both the target motion and sensors. Previous similar work has been restricted to either a stationary target, a horizon of length one, or Gaussian estimates.The prediction of conditional entropy is shown to be inherently complex, and a computationally efficient sequential Monte Carlo method is developed. The entropy prediction depends on this Monte Carlo method as well as a novel approach for entropy calculation in the context of particle filtering. These methods are verified through simulation and post-processing of experimental flight data.     

基于RMC的蒙特卡罗程序性能优化

蒙特卡罗MC方法是核反应堆设计和分析中重要的粒子输运模拟方法。MC方法能够模拟复杂几何形状且计算结果精度高,缺点是需要耗费大量时间进行上亿规模粒子模拟。如何提高蒙特卡罗程序的性能成为大规模蒙特卡罗数值模拟的挑战。基于堆用蒙特卡罗分析程序RMC,先后开展了基于TCMalloc动态内存分配优化、OpenMP线程调度策略优化、vector内存对齐优化和基于HDF5的并行I/O优化等一系列优化手段,对于200万粒子的算例,使其总体性能提高26.45%以上。     

On reduction of computational cost of imitation Monte Carlo algorithms for modeling rarefied gas flows

This article describes Monte Carlo methods and algorithms for the Boltzmann equation for rarefied gases problems in the case of large-scale flow areas. We consider imitation or continuous-time Monte Carlo methods where frequencies of interactions of pairs of particles depend on the difference of the coordinates of particles. The question about reduction of computational costs of algorithms is examined using the specificity of the problem. First, algorithms of an approximated method are constructed, analyzed, and implemented. This method is obtained by using splitting (over groups of particles) of the operator in master equations system. Second, we investigate the fictitious collisions technique, where the upper bound for the number of interacting pairs is specified. The plane Poiseuille flow (in the field of external forces) problem, the heat transfer problem, and the temperature discontinuity propagation problem are numerically solved using the developed algorithms. Asymptotical estimates of the computational costs are confirmed with the data of the computational processes and the comparative properties of the later are fixed. The suggested algorithms of the method with splitting allow parallelization of a certain type.