دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سازمان و پردازش داده ها ویرایش: سری: ISBN (شابک) : 0521843359 ناشر: سال نشر: 2004 تعداد صفحات: 344 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 13 مگابایت
در صورت تبدیل فایل کتاب Scattered.Data.Approximation.Wendland به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب پراکنده داده داده تقریب Wendland نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
بسیاری از کاربردهای عملی نیاز به بازسازی یک تابع چند متغیره از داده های گسسته و بدون ساختار دارند. این کتاب مقدمه ای مستقل و کامل از این موضوع را ارائه می دهد. این روش بر روی روشهای واقعاً بدون شبکه مانند توابع پایه شعاعی، حداقل مربعات متحرک و تقسیمبندی وحدت متمرکز است. کتاب با مروری بر کاربردهای معمول تقریب داده های پراکنده، که از بازسازی سطح، برهمکنش سیال-ساختار، و حل عددی معادلات دیفرانسیل جزئی به دست می آید، شروع می شود. سپس خواننده را از ویژگیهای اساسی به وضعیت فعلی تحقیق هدایت میکند و به تمام موضوعات مهم مانند وجود، منحصربهفرد بودن، ویژگیهای تقریبی، ثبات عددی و اجرای کارآمد میپردازد. هر فصل با بخشی به پایان می رسد که اطلاعاتی در مورد پیشینه تاریخی و نکاتی برای مطالعه بیشتر ارائه می دهد. مدارک کاملی در آن گنجانده شده است که این را برای دوره های تحصیلات تکمیلی در تقریب چند متغیره کاملاً مناسب می کند و می توان از آن برای پشتیبانی از دوره های طراحی هندسی به کمک رایانه و روش های بدون شبکه برای معادلات دیفرانسیل جزئی استفاده کرد.
Many practical applications require the reconstruction of a multivariate function from discrete, unstructured data. This book gives a self-contained, complete introduction into this subject. It concentrates on truly meshless methods such as radial basis functions, moving least squares, and partitions of unity. The book starts with an overview on typical applications of scattered data approximation, coming from surface reconstruction, fluid-structure interaction, and the numerical solution of partial differential equations. It then leads the reader from basic properties to the current state of research, addressing all important issues, such as existence, uniqueness, approximation properties, numerical stability, and efficient implementation. Each chapter ends with a section giving information on the historical background and hints for further reading. Complete proofs are included, making this perfectly suited for graduate courses on multivariate approximation and it can be used to support courses in computer aided geometric design, and meshless methods for partial differential equations.
Cover......Page 1
Half-title......Page 3
Series-title......Page 4
Title......Page 5
Copyright......Page 6
Contents......Page 7
Preface......Page 11
1.1 Surface reconstruction......Page 13
1.2 Fluid–structure interaction in aeroelasticity......Page 16
1.3 Grid-free semi-Lagrangian advection......Page 18
1.4 Learning from splines......Page 19
1.5 Approximation and approximation orders......Page 25
1.6 Notation......Page 27
1.7 Notes and comments......Page 28
2.1 The Mairhuber–Curtis theorem......Page 30
2.2 Multivariate polynomials......Page 31
3.1 Definition and basic properties......Page 36
3.2 Norming sets......Page 38
3.3 Existence for regions with cone condition......Page 40
3.4 Notes and comments......Page 46
4.1 Definition and characterization......Page 47
4.2 Local polynomial reproduction by moving least squares......Page 52
4.3 Generalizations......Page 55
4.4 Notes and comments......Page 56
5.1 Bessel functions......Page 58
5.2 Fourier transform and approximation by convolution......Page 66
5.3 Measure theory......Page 72
6.1 Definition and basic properties......Page 76
6.2 Bochner’s characterization......Page 79
6.3 Radial functions......Page 90
6.5 Notes and comments......Page 96
7 Completely monotone functions......Page 97
7.1 Definition and first characterization......Page 98
7.2 The Bernstein–Hausdorff–Widder characterization......Page 100
7.3 Schoenberg’s characterization......Page 105
7.4 Notes and comments......Page 108
8.1 Definition and basic properties......Page 109
8.2 An analogue of Bochner’s characterization......Page 115
8.3 Examples of generalized Fourier transforms......Page 121
8.4 Radial conditionally positive definite functions......Page 125
8.5 Interpolation by conditionally positive definite functions......Page 128
8.6 Notes and comments......Page 129
9.1 General remarks......Page 131
9.2 Dimension walk......Page 132
9.3 Piecewise polynomial functions with local support......Page 135
9.4 Compactly supported functions of minimal degree......Page 139
9.5 Generalizations......Page 142
9.6 Notes and comments......Page 144
10.1 Reproducing-kernel Hilbert spaces......Page 145
10.2 Native spaces for positive definite kernels......Page 148
10.3 Native spaces for conditionally positive definite kernels......Page 153
10.4 Further characterizations of native spaces......Page 162
10.5 Special cases of native spaces......Page 168
10.6 An embedding theorem......Page 179
10.7 Restriction and extension......Page 180
10.8 Notes and comments......Page 182
11.1 Power function and first estimates......Page 184
11.2 Error estimates in terms of the fill distance......Page 189
11.3 Estimates for popular basis functions......Page 195
11.4 Spectral convergence for Gaussians and (inverse) multiquadrics......Page 200
11.5 Improved error estimates......Page 203
11.6 Sobolev bounds for functions with scattered zeros......Page 206
11.7 Notes and comments......Page 216
12 Stability......Page 218
12.1 Trade-off principle......Page 220
12.2 Lower bounds for Lambdamin......Page 221
12.3 Change of basis......Page 227
12.4 Notes and comments......Page 234
13.1 Minimal properties of radial basis functions......Page 235
13.2 Abstract optimal recovery......Page 238
13.3 Notes and comments......Page 241
14 Data structures......Page 242
14.1 The fixed-grid method......Page 243
14.2 kd-Trees......Page 249
14.3 bd-Trees......Page 255
14.4 Range trees......Page 258
14.5 Notes and comments......Page 263
15.1 Fast multipole methods......Page 265
15.2 Approximation of Lagrange functions......Page 277
15.3 Alternating projections......Page 282
15.4 Partition of unity......Page 287
15.5 Multilevel methods......Page 292
15.6 A greedy algorithm......Page 295
15.8 Notes and comments......Page 299
16.1 Optimal recovery in Hilbert spaces......Page 301
16.2 Hermite–Birkhoff interpolation......Page 304
16.3 Solving PDEs by collocation......Page 308
16.4 Notes and comments......Page 318
17.1 Spherical harmonics......Page 320
17.2 Positive definite functions on the sphere......Page 322
17.3 Error estimates......Page 326
17.4 Interpolation on compact manifolds......Page 328
17.5 Notes and comments......Page 333
References......Page 335
Index......Page 346