Jul, 2023

喷气与高能材料相互作用的时空替代物：第二部分 -- 聚类极高维栅格数据

PDF
TL;DR通过引入随机投影的想法，我们对数据进行降维，然后使用 k-means 聚类方法进行聚类，从而为超高维数据生成有意义的簇分配，进而建立计算机模拟的准确替代模型。
发现论文，激发创造
  • 喷射流与高爆药互动的时空替代物：第一部分 —— 小样本分析

    本研究通过一个二维的喷气与高爆相互作用问题，探讨如何构建高质量的拟数据，同时分析大量数据集的方法，并提出了提高拟合精度的简便方法。

    Jul, 2023

  • 深度时空聚类：一种针对多维气候数据的时间聚类方法

    利用 DSC 算法，结合 CNN-RNN 模型学习数据的空间和时间特征，通过聚类和数据重构误差优化来实现高维时空数据的无监督聚类，并在气候数据上的实验结果表明，该方法的效果要优于现有的无监督聚类算法。

    Apr, 2023

  • 高维问题的梯度增强克里金法

    本文研究提出了新的梯度增强代理模型，通过采用部分最小二乘法，该方法得以减少超参数数目，控制相关矩阵大小，以及优化采样点，比现有的基于代理模型的解决方案更快速地获得所需精度。

    Aug, 2017

  • 利用自组织映射（SOMs）对等离子体子团不稳定性的完全动力学模拟进行无监督分类

    本文介绍了如何利用基于自组织映射（Self-Organizing Maps，SOM）的聚类方法来分析近期产生的空间物理过程的大量仿真和观测数据，并得出了聚类图，该图可以很好地定位整个过程中各个区域的特征，因此该方法是一种有前途的数据分析工具，可以用于空间物理过程的仿真和观测数据的分析。

    Apr, 2023

  • 基于无监督集成学习的湍流计算流体力学模拟分割

    本文介绍了一种使用集成机器学习框架实现的无监督聚类算法将复杂计算机模拟中的涡流模式数据分类并划分为不同结构分类目录，提高了数据划分的准确性和鲁棒性，并给出了更精确和可靠的感兴趣区域范围确定方法。

    Sep, 2021

  • 从双变量投影重构高维数据集

    通过图形化解决方案重新构建高维数据集，包括查找团伙和讨论复杂情况，再加以其他方法处理，研究结果表明这些方法在很多情况下能够成功重建原始数据集。

    Dec, 2023

  • 基于局部线性逼近的谱聚类

    本文研究了一种基于局部线性逼近残差的高阶谱聚类方法，考虑了聚类过程中的数据噪声和异常值问题，并在实验中验证了该算法具有更好的聚类效果。

    Jan, 2010

  • 用于分析全球环境数据的时空多分辨率逼近

    本文提出了一种针对全球数据的时空建模扩展方法，将多分辨率逼近（MRA）方法与分区及复杂协方差模型拟合相结合，实现了可扩展的计算性能和灵活的协方差模型，为分析全球性数据提供了实用的策略。

    Jun, 2020

  • 相似性和聚类的双生学习：统一的核方法

    为解决相似性测量困难及非线性相似性未被充分考虑等问题，在核空间中提出一种模型，同时学习聚类指示器矩阵和相似度信息，并通过多核学习能力进一步扩展模型以选择最合适的内核。该模型可自动完成三个子任务以获得最佳聚类解决方案。

    May, 2017

  • 从部分观测进行的时空连续物理模拟

    基于机器学习的数据驱动方法在流体力学中提出了一种新的解决方案，通过通过在连续的空间和时间域中进行预测和插值来解决传统方法中的固定支持计算和预测的缺点。

    Jan, 2024