自适应采样函数的算法
Algorithm to adaptively sample a function
我正在寻找可以根据曲率对函数进行采样的算法。例如。对于某个间隔 [a,b] 和给定数量的样本 n ，算法将以这样的方式对函数进行采样，即在函数弯曲的地方放置更多的样本，在函数弯曲的地方放置更少的样本 "linear".
我的想法的图形表示如下图所示：
计算机图形学中的一个常见操作是"flattening"曲线路径，即通过线段逼近曲线。
通常限制允许近似值偏离原始曲线多远，因此结果看起来很像您要求的，样本更集中在曲率最高的区域。
因此您可以尝试用于此目的的算法之一，例如此处描述的 RDP 算法：https://en.wikipedia.org/wiki/Ramer%E2%80%93Douglas%E2%80%93Peucker_algorithm
我正在寻找可以根据曲率对函数进行采样的算法。例如。对于某个间隔 [a,b] 和给定数量的样本 n ，算法将以这样的方式对函数进行采样，即在函数弯曲的地方放置更多的样本，在函数弯曲的地方放置更少的样本 "linear".
我的想法的图形表示如下图所示：
计算机图形学中的一个常见操作是"flattening"曲线路径，即通过线段逼近曲线。
通常限制允许近似值偏离原始曲线多远，因此结果看起来很像您要求的，样本更集中在曲率最高的区域。
因此您可以尝试用于此目的的算法之一，例如此处描述的 RDP 算法：https://en.wikipedia.org/wiki/Ramer%E2%80%93Douglas%E2%80%93Peucker_algorithm