射流与高能炸药相互作用的时空代理模型：第二部分——极高维基于网格数据的聚类
机器学习
2023-07-06 v1 数值分析
数值分析
摘要
为计算机模拟的时空输出构建精确代理模型是一项挑战性任务。提升代理精度的简易途径是基于相似性聚类输出并为每簇单独构建代理模型。当各时间步输出规模适中时，该聚类相对直接。然而，当空间域由数百万计网格点表示时，数据聚类变得更具挑战。本报告中，我们考虑射流与高能炸药相互作用模拟的输出数据。这些数据分布于不同尺寸空间域、变动空间坐标的网格点，且以每模拟时间步跨多文件分布的输出格式存在。我们首先描述聚类前如何将这些数据规整为一致格式。借鉴数据挖掘中的随机投影思想，我们将数据维度缩减千倍，从而可使用迭代 k-means 方法聚类。我们展示了如何利用随机投影的随机性以及 k-means 聚类中初始质心选择的随机性，来确定数据集的簇数。尽管随机投影引入近似，我们的方法使极高维数据聚类可行，并为该问题生成有意义的簇分配。
引用
@article{arxiv.2307.01400,
title = {Spatio-Temporal Surrogates for Interaction of a Jet with High Explosives: Part II -- Clustering Extremely High-Dimensional Grid-Based Data},
author = {Chandrika Kamath and Juliette S. Franzman},
journal= {arXiv preprint arXiv:2307.01400},
year = {2023}
}