.png){kind=icon}
返回
Surface data imputation with stochastic processes
.png){kind=icon}
PRE
AI
DOI：10.1088/1361-6501/adc6a3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虚假测量值在技术组件的表面数据中经常出现。排除或忽略这些虚假点可能会导致表面表征不正确，如果这些点继承了表面的特征。因此，必须应用数据插补，以确保在虚假测量处的估计数据点不会显著偏离真实表面及其特征。传统的表面数据插补方法依赖简单假设，并忽略表面的现有知识，导致估计结果次优。在本文中，我们提出使用随机过程进行数据插补。该方法源自表面纹理模拟，允许直接整合先验知识。我们采用具有平稳和非平稳协方差结构的高斯过程来处理表面数据中的缺失值。此外，我们将该方法应用于一个实际场景，其中从实际测量中获取了一个虚假的切削轮廓。我们的结果表明，所提出的方法通过保持表面特征来填充缺失值，尤其是在表面特征缺失时。
Keyword:
surface
imputation
interpolation
Gaussian processes
期刊
IF:
3.4
论文数:
2.6K
被引数:
2.3W
机构
暂无机构信息
引用论文
分享收藏
Model‐based analysis of the influence of surface roughness on fatigue processes基于模型的表面粗糙度对疲劳过程影响的分析.png)
PAMM
OAAI
PAMMIF0
OAAI分享收藏
查看更多内容