Full metadata record
DC FieldValueLanguage
dc.contributor.authorMajdišová, Zuzana
dc.date.accepted2020-6-18
dc.date.accessioned2020-11-10T00:38:52Z-
dc.date.available2018-11-19
dc.date.available2020-11-10T00:38:52Z-
dc.date.issued2020
dc.date.submitted2019-10-29
dc.identifier83098
dc.identifier.urihttp://hdl.handle.net/11025/41779
dc.description.abstractRekonstrukce velkých roztroušených dat pomocí některé z interpolačních nebo aproximačních metod je častým úkolem v mnoha technických aplikacích. Pro interpolaci nebo aproximaci dat bylo sice vyvinuto několik technik, ale obvykle vyžadují, aby byla data v nějakém smyslu uspořádána, např. pravoúhlá síť, strukturovaná síť, nestrukturovaná síť, atd. Bohužel konverze roztroušených dat na polopravidelnou mřížku pomocí některé z teselačních technik je výpočetně velmi náročná. Proto se tato práce zaměřuje na metody využívající radiální bázové funkce (RBF), které jsou vhodné pro zpracování velkých roztroušených dat v n-dimenzionálním prostoru. RBF metody jsou neseparabilní, jelikož jsou založeny na výpočtu vzdálenosti mezi dvěma body. Tyto metody vedou na řešení systému lineárních rovnic, který je v případě použití aproximační metody přeurčený. Jednou z výhod RBF metod oproti triangulačním metodám je získání analytického popisu daného datasetu. Navíc je v případě RBF aproximace dosaženo významné komprese dat. Tato práce je vypracována jako soubor komentovaných odborných článků sepsaných autorkou práce a jejích spolupracovníků během autorčina doktorského studia. Články se zaměřují především na výzkum v oblasti RBF aproximace. Příspěvky prezentované v této práci lze rozdělit do tří vzájemně propojených dílčích oblastí: RBF aproximace s polynomiální reprodukcí, RBF aproximace pro velká data a RBF aproximace respektující hlavní rysy dat. Dva z prezentovaných příspěvků byly publikovány v impaktovaných odborných časopisech, jeden článek je přijat k publikovaní v impaktovaném časopisu a čtyři příspěvky byly publikovány ve sbornících mezinárodních konferencí. Důležitou částí této práce je příloha, která obsahuje jednotlivé články v jejich publikované podobě.cs
dc.format115 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isoenen
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectradiální bázové funkcecs
dc.subjectrbfcs
dc.subjectcs-rbfcs
dc.subjecttpscs
dc.subjectaproximacecs
dc.subjectinterpolacecs
dc.subjectshape parametrcs
dc.subjectvariabilní shape parametrcs
dc.subjectpolynomiální reprodukcecs
dc.subjectoptimalizační problémcs
dc.subjectlagrangeovy multiplikátorycs
dc.subjectshluky bodůcs
dc.subjectvelká datacs
dc.subjectnejbližší sousedics
dc.subjectstacionární bodycs
dc.subjectextrémycs
dc.subjectkřivostcs
dc.titleInterpolační a aproximační techniky pro rozsáhlá geometrická datacs
dc.title.alternativeInterpolation and approximation methods for large geometric datasetsen
dc.typedisertační prácecs
dc.thesis.degree-namePh.D.cs
dc.thesis.degree-levelDoktorskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedA reconstruction of large scattered datasets using interpolation or approximation methods is often task in many engineering problems. Several techniques have been developed for data interpolation or approximation, but they usually require an ordered dataset, e.g. rectangular mesh, structured mesh, unstructured mesh, etc. Nevertheless, the conversion of a scattered dataset to a semiregular grid using some tessellation techniques is computationally expensive. Therefore, the thesis is focused to the Radial Basis Function (RBF) methods which are appropriate for large scattered dataset in n-dimensional space. The RBF methods are non-separable, as it is based on the distance between two points. These methods lead to the solution of a linear system of equation which is overdetermined in the case of the use of some approximation method. Using RBF methods, the analytical description of the data is obtained which is the one of the advantages of such methods over the triangulation methods. Moreover, in the case of RBF approximation methods, the significant compression of the give data is achieved. The thesis is elaborated as a collection of commented research papers which were written by the author of this thesis and her collaborators during the author's doctoral study. The papers focus mostly on the research in area of the RBF approximation. The presented contributions are from three interconnected subareas: RBF approximation with polynomial reproduction, RBF approximation for big data and RBF approximation respecting features of data. Two of the presented research papers were published in the impacted international journals, one paper is accepted for journal publication and four other papers were published in proceedings of international conferences. Therefore, substantial part forming this thesis is an appendix where the articles are attached.en
dc.subject.translatedradial basis functionen
dc.subject.translatedrbfen
dc.subject.translatedcs-rbfen
dc.subject.translatedtpsen
dc.subject.translatedapproximationen
dc.subject.translatedinterpolationen
dc.subject.translatedshape parameteren
dc.subject.translatedvariable shape parameteren
dc.subject.translatedpolynomial reproductionen
dc.subject.translatedoptimization problemen
dc.subject.translatedlagrange multipliersen
dc.subject.translatedpoint cloudsen
dc.subject.translatedbig dataen
dc.subject.translatednearest neighborsen
dc.subject.translatedstationary pointsen
dc.subject.translatedextremaen
dc.subject.translatedcurvatureen
Appears in Collections:Disertační práce / Dissertations (KIV)

Files in This Item:
File Description SizeFormat 
disertace.pdfPlný text práce37,76 MBAdobe PDFView/Open
posudky-odp-majdisova.pdfPosudek oponenta práce4,35 MBAdobe PDFView/Open
protokol-odp-majdisova.pdfPrůběh obhajoby práce592,92 kBAdobe PDFView/Open


Please use this identifier to cite or link to this item: http://hdl.handle.net/11025/41779

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.