FlowHON：使用高阶网络表示流场
机器学习
2023-12-06 v1
摘要
流场通常被划分为数据块，以便基于块间关系进行大规模并行计算与分析。然而，以往的大多数技术仅考虑块之间的一阶依赖关系，这不足以描述复杂的流模式。在本研究中，我们提出了 FlowHON，一种从流场构建高阶网络的方法。FlowHON 将流场中固有的高阶依赖关系捕获为节点，并将它们之间的转移估计为边。我们将高阶网络构建表述为具有三个线性变换的优化问题。前两层对应于节点生成，第三层对应于边估计。我们的公式允许在统一框架中求解节点生成和边估计。借助 FlowHON，无需任何修改即可应用传统图算法的丰富集合来分析流场，同时利用高阶信息来理解其内在结构并高效管理流数据。我们通过一系列下游任务展示了 FlowHON 的有效性，包括在追踪过程中估计粒子密度、为数据管理划分流场，以及使用网络的节点-链接图表示来理解流场。
引用
@article{arxiv.2312.02243,
title = {FlowHON: Representing Flow Fields Using Higher-Order Networks},
author = {Nan Chen and Zhihong Li and Jun Tao},
journal= {arXiv preprint arXiv:2312.02243},
year = {2023}
}
备注
To be submitted to TVCG