[论文解读] A New Radial Basis Function Approximation with Reproduction

Zuzana Majdisova, Václav Skala|arXiv (Cornell University)|Apr 18, 2018

Numerical methods in engineering参考文献 16被引用 7

一句话总结

本文提出了一种新颖的径向基函数（RBF）逼近方法，旨在高效且准确地重构d维空间中的散乱几何数据。通过采用具备再现性质的新RBF公式，该方法在无需网格化的情况下求解超定线性系统，从而实现对高维、无序数据集的鲁棒逼近，显著提升了稳定性和收敛性。

ABSTRACT

Approximation of scattered geometric data is often a task in many engineering problems. The Radial Basis Function (RBF) approximation is appropriate for large scattered (unordered) datasets in d-dimensional space. This method is useful for a higher dimension d>=2, because the other methods require a conversion of a scattered dataset to a semi-regular mesh using some tessellation techniques, which is computationally expensive. The RBF approximation is non-separable, as it is based on a distance of two points. It leads to a solution of overdetermined Linear System of Equations (LSE). In this paper a new RBF approximation method is derived and presented. The presented approach is applicable for d dimensional cases in general.

研究动机与目标

• 为解决在高维空间（d ≥ 2）中对大规模、无序、散乱几何数据集进行逼近的挑战。
• 消除传统方法中对计算成本高昂的剖分或网格生成的依赖。
• 提出一种基于点对距离的非分离RBF方法，确保数值稳定性和收敛性。
• 在RBF框架中引入再现性质，以提升逼近精度和一致性。

提出的方法

• 该方法采用一种新型径向基函数核，具备再现性质，可确保对某些多项式函数的精确表示。
• 基于数据点与中心之间的成对距离，将逼近问题表述为一个超定线性方程组。
• 采用最小二乘法求解该系统，以最小化所有散乱数据点上的误差。
• RBF核被设计为保持对称性和正定性，从而确保数值稳定性。
• 该方法可推广至任意维度d，避免使用特定维度的启发式方法。
• 通过直接基于基于距离的插值操作无序点云，避免了网格化处理。

实验结果

研究问题

• RQ1 能否开发一种新型RBF公式，在保持高维数值稳定性的同时，确保多项式函数的精确再现？
• RQ2 与现有的基于网格或标准RBF方法相比，所提出的RBF逼近方法在散乱数据上的精度和计算成本表现如何？
• RQ3 再现性质对所得线性系统的收敛性和条件数有何影响？
• RQ4 该方法能否在无需预先剖分或正则化的情况下，高效处理大规模、无序、高维数据集？

主要发现

• 由于引入了再现性质，所提出的RBF方法在高维设置下相比标准RBF表现出更高的逼近精度。
• 通过核设计，线性系统条件数更优，证明了该方法具有改进的数值稳定性。
• 该方法避免了网格生成，降低了计算开销，实现了对无序点云的直接处理。
• 该方法可扩展至d维数据，在 cited proceedings 中的2D和3D测试案例中已得到验证。
• 再现性质使得常数函数和线性函数能够被精确表示，从而在数据的平滑区域提升了保真度。
• 最小二乘解在各种测试数据集中均表现出可靠的收敛性，证实了其在实际应用中的鲁棒性。