Interpolating sparse scattered data using flow information

تطبیق داده های پراکنده و تکنیک های تقریبی، امکان بازسازی یک میدان اسکالر را براساس تعداد محدودی از نمونه های پراکنده شده این میدان فراهم می کند. به طور کلی، وفاداری بازسازی با توجه به میدان اولیه اسکالر، به دلیل کاهش تعداد نمونه ها، در حال کاهش است. برای وضعیت نمونه برداری بسیار ضعیف، نتایج ممکن است در همه قابل قبول نباشد. با این حال، اگر شناخته شده است که زمینه ی اسکالر مورد علاقه با یک میدان جریان شناخته شده مرتبط است - همانطور که در مورد زمانی که میدان اسکالر نشان دهنده ارزش یک ردیاب اقیانوس شناسی است که تحت تاثیر جریان اقیانوس پخش می شود، این دانش می تواند باشد برای بالا بردن روش بازسازی داده های پراکنده مورد بهره برداری قرار می گیرد. یکی از راه های بهره برداری از اطلاعات میدان جریان، استفاده از آن برای ساختن مفهوم اصلاح فاصله بین نقاط است. جایگزینی متریک استاندارد فاصله اقلیدس با مفهوم فاصله از راه دور، یک روش برای گسترش روش های استاندارد تطبیق داده های پراکنده به روش های مبتنی بر جریان است که نتایج بسیار خوبی برای داده های بسیار پراکنده ارائه می دهد. بازسازی های حاصل معمولا اشتباهات خطای متوسط ​​ریشه را کمتر از بازسازی هایی که از اطلاعات جریان استفاده نمی کنند، و کیفیت آنها اغلب به لحاظ جسمی بیشتر واقع گرایانه هستند.