| Title: | A New Approach to Vector Field Interpolation, Classification and Robust Critical Points Detection Using Radial Basis Functions |
| Other Titles: | Nový přístup k interpolaci vektorových polí, klasifikaci a robustní detekci kritickým bodům s využitím radiálních bázových funkcí |
| Authors: | Skala, Václav Šmolík, Michal |
| Citation: | SKALA, V., ŠMOLÍK, M. A New Approach to Vector Field Interpolation, Classification and Robust Critical Points Detection Using Radial Basis Functions. In: Cybernetics and Algorithms in Intelligent Systems. CSOC2018 2018. Advances in Intelligent Systems and Computing. Cham: Springer, 2019. s. 109-115. ISBN 978-3-319-91191-5 , ISSN 2194-5357. |
| Issue Date: | 2019 |
| Publisher: | Springer |
| Document type: | konferenční příspěvek conferenceObject |
| URI: | 2-s2.0-85048039975 http://hdl.handle.net/11025/35938 |
| ISBN: | 978-3-319-91191-5 |
| ISSN: | 2194-5357 |
| Keywords: | kritické body;klasifikace vektorového pole;aproximace topologie vektorových pol;získávání dat;vizualizace;radiální bázové funkce RBF;interpolace, aproximace |
| Keywords in different language: | critical points;vector field classification;vector field topology;approximation;data acquisition visualization;radial basis functions RBF;Interpolation;approximation |
| Abstract: | Vizualizace vektorových polí hraje důležitou roli v mnoha aplikacích. Vektorová pole mohou být popsána diferenciálními rovnicemi. Pro klasifikaci nulových bodů, tj. Bodů, kde je derivace nula, jsou použity. Avšak pokud jsou data vektorových polí uváděna v diskrétní formě, např. pomocí dat získaných simulací nebo měření je zjištění kritických bodů obtížné kvůli obrovskému množství dat, které mají být zpracovány, a obvykle se používá rozdílná forma. Tento příspěvek popisuje nový přístup k detekci a vyhodnocování nulových bodů ve vektorových polích, což umožňuje kompresi dat a snadnější vizualizaci základního chování. Přístup je založen na implicitní formě reprezentace vektorových polí. |
| Abstract in different language: | Visualization of vector fields plays an important role in many applications. Vector fields can be described by differential equations. For classification null points, i.e. points where derivation is zero, are used. However, if vector field data are given in a discrete form, e.g. by data obtained by simulation or a measurement, finding of critical points is difficult due to huge amount of data to be processed and differential form usually used. This contribution describes a new approach for vector field null points detection and evaluation, which enables data compression and easier fundamental behavior visualization. The approach is based on implicit form representation of vector fields. |
| Rights: | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © Springer |
| Appears in Collections: | Konferenční příspěvky / Conference Papers (KIV) OBD |
Files in This Item:
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/35938Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.