基于K-Means聚类法的水团划分算法和可视化研究

论文摘要

水团分析一直是物理海洋学的重要的研究领域,其主要的研究工作是水团边界的识别和子水团的划分。但是,由于目前的各种分析方法大多是建立在传统的T-S图的温-盐度曲线上,得到的分析结果往往割裂了样本数据的整体信息,与科研人员的交互性较差。20世纪80年代后期提出并迅速得到发展的科学计算可视化为水团可视化研究打开了全新的视野。科研人员可以通过先进的图像处理,数据挖掘,计算机图形学等技术,用一种直观、真实感强的交互方式,从海洋数据的几何特征来观察和分析水团,揭示和发现隐藏在水团数据中的新问题,新规律。由于海洋数据具有数据量大,结构复杂,影响因素多的特性。这就造成了划分效率和交互式可视化渲染之间的矛盾。如何快速准确的对海量水团数据进行分类,并将划分的结果用一种交互式的可视化技术反馈出来,成为了水团可视化研究的热点问题。本文通过分析比较目前常用的水团分析方法,提出了一种基于K-means聚类法的水团划分算法。该方法结合了聚类算法和水团概念的相似性,针对三维网格水团数据,合理地描述了水团划分的几个重要的制约因素。并采用K-means聚类算法,快速有效的提取了三维水团数据的分布信息。在随后可视化水团分析的研究中,本文通过分析比较各种体绘制的算法,充分利用K-means聚类法的水团划分算法得到的三维水团数据,选用了光线投射体绘制技术,对水团划分的结果进行可视化渲染,直观准确地反映了水团数据所提供的温、盐度信息和水团边界信息。本文提出的方法在保证划分结果的准确性的前提下,克服了传统水团划分算法缺乏样本数据空间信息表现力的弱点,使水团划分的结果,更加真实地反映实际海洋中水团的分布情况和相互关系,可以有效的应用于三维水团分析的研究。

论文目录

• 摘要
• ABSTRACT
• 前言
• 1 绪论
• 1.1 课题背景及关键技术发展状况
• 1.2 本文的研究内容
• 2 水团划分
• 2.1 引言
• 2.2 水团的重要概念
• 2.2.1 定性的水团综合分析法
• 2.2.2 水团的浓度混合分析法
• 2.2.3 水团的概率统计分析法
• 2.2.4 水团的模糊数学分析法
• 2.3 聚类分析算法
• 2.3.1 基于划分的方法
• 2.3.2 基于层次的方法
• 2.3.3 基于密度的方法
• 2.3.4 基于网格的方法
• 2.4 基于 K-means 聚类法的水团划分算法
• 2.4.1 K-means 聚类算法的基本原理
• 2.4.2 K-means 聚类算法结构分析
• 2.4.3 K-means 聚类的特点和应用于水团划分的依据
• 2.4.4 基于K-means 聚类法的水团划分算法
• 2.5 本章小结
• 3 科学计算可视化的研究
• 3.1 引言
• 3.2 表面绘制方法
• 3.2.1 移动立方体法（Marching Cube）
• 3.2.2 剖分立方体法（Dividing Cube）
• 3.3 体绘制方法
• 3.3.1 图像空间为序的体绘制方法
• 3.3.2 物体空间为序的体绘制方法
• 3.3.3 基于频域的体绘制方法
• 3.3.4 基于纹理映射的体绘制方法
• 3.4 可视化水团划分
• 3.4.1 水团划分的体数据
• 3.4.2 水团划分的体绘制光学模型
• 3.4.3 水团划分的数据场分类
• 3.4.4 水团划分体绘制的转换函数——颜色赋值和Alpha 混合
• 3.4.5 水团划分的重新采样
• 3.4.6 水团划分的图像合成
• 3.5 本章小结
• 4 基于 K-means 聚类法的水团划分算法的可视化实现
• 4.1 K-means 水团划分模块
• 4.2 交互式光线投射渲染模块
• 4.3 实验结果和分析
• 4.4 本章小结
• 5 总结与展望
• 参考文献
• 个人论文发表情况
• 致谢