专利名称：数据域采样网络的制作方法
技术领域：
本发明涉及数据分析，更具体地说，本发明涉及一种全新系统和方法，其用于在维护原始数据域内的数据时映射数据相关性，而不是将数据变换到其它域进行处理。
相关技术在1998年8月18日授予Smith的、涉及可训练、状态采样的网络控制器的第5,796,922号美国专利(以下简称“’922专利”)说明中，披露了几种非常有用的分析技术。除了矩阵代数方法外的其它方法依赖于在状态采样域中非常有用的特征。例如，根据状态域内变量的非耦合、独立特性，可以将简化的方程组公式化并容易地解出该方程组。然而，如果数据高度耦合，则对变量之间的独立性或非耦合性的假定非常不准确。
此外，’922专利依赖于变换到状态空间域并在状态空间域内进行分析。通常，这样变换到状态空间域会简化分析。然而，在遇到的许多实际情况中，经过要求的变换会丢失维之间的耦合信息。
当回顾’922专利时，发现的另一个问题是方程形式的“先验知识”问题。在控制系统中，经典控制理论提供过多已知形式的检索词，其具有对于各种硬件配置或其它控制环境的结构建模能很好地理解的数学模型。在现实中遇到的其它类型问题中，不必知道方程的形式。此外，在许多情况下，即使知道方程的形式，或者准确知道方程本身，则绝对难处理的计算复杂性会使得无法实际解出控制方程。
因此，需要这样一种方法，其不要求变量之间的独立性，相反，倒可以兼容、甚至可以捕捉和解释在数据域中不同变量之间的耦合关系。此外，还需要这样一种方法，其无需变换、特别是无需会丢失原始数据域中信息的变换方法。另一个需要是一种简化的、虚拟单步方法，该方法用于将输入数据直接映射到多维数据空间内的输出或解平面，而不必进行复杂计算，遇到不可能的计算甚或不必知道控制方程的先前形式。
因此，需要一种能够简单、快速地将有关数据的输出和输入在其各自原始域内相关，而又无需中间变换的系统。在经典方法中，这通常是不可能的。复杂性就使得问题不可处理。理想的数值方法是使得用于近似处理的计算机化算法具有足够精度，或者可以在实际应用中达到足够精度。因此，需要一种将数据保持在原始域内，并且可以快速、精确、连续并简单实现感兴趣数据参数(例如输入和输出、或独立变量和从属变量)之间的某些相关的方法。
本发明的目的是提供一种可以有效合并多维数据、将数据集合并或数据流合并，而无需或不用错误假定变量(数据域内的维)之间的独立性或非耦合性的方法和装置。
本发明的目的是提供一种保存在数据域中来自不同维的相依变量内的信息在不同维的方法和装置。
本发明的目的是提供简化数据处理、分析等，其中在单独算法运算过程中，数据可以相关以提供有用关系(例如解、输入/输出关系)，尤其不会损失数据域内任何维的连续性。
本发明的目的是实现上述方法和装置而不需要将变量互相关联的方程先验知识或方程的形式。
根据上述目的、并根据在此体现并广泛说明的本发明，将以适当的方式详细地披露一种装置和方法，以便本技术领域内的普通技术人员可以实施和应用本发明。在根据本发明方法和装置的一种实施例中，在原始数据域内数据点的数据网络(与硬件计算机网络相反，通过该网络可以进行运算)内可以处理或使用数据，而无需会丢失重要数据特征的域变换。例如，可以保持变量的耦合连续性，以及变量导数的连续性。
图9图解说明根据本发明的方法和装置在感兴趣的数据域内的感兴趣的面上插入点的过程。
当然，本技术领域的普通技术人员明白，在本发明实质特征范围内可以容易地对附图的细节进行多种变换。因此，关于附图的如下说明仅作为例子，并简单说明符合本发明权利要求的某些当前优选实施例。
参考
图1装置10，可以在一个或多个节点11(客户机11、计算机11)实现本发明，节点11含有处理器12或CPU 12。所有部件均位于单个节点11或位于互相远离的多个节点11，52。CPU 12可运行性地连接到存储装置14。存储装置14可以包括一个或多个装置，例如硬盘驱动器或非易失性存储装置16、只读存储器18(ROM)以及随机存取(通常是易失性的)存储器20(RAM)。
装置10可以包括输入装置22，用于从用户或另一个装置接收输入。同样，可以在节点内设置输出装置24，或输出装置24也可以接入装置10内。设置网卡26(接口卡)或端口28，用于连接到诸如网络30的外部装置。
内部总线32可运行性的将处理器12、存储装置14、输入装置22、输出装置24、网卡26以及端口28互联。可以将总线32看作数据载体。这样，可以将总线32引入各种配置中。电缆、光缆、利用可见光、红外和射频的无线电磁通信同样可适用于总线32和网络30。
输入装置22可以包括一个或多个物理装置。例如，可以使用键盘34与用户交互，也可以使用鼠标36或触笔板37与用户交互。可以使用触摸屏38、电话39或简单一条电话线39与其它装置、用户等通信。同样，可以使用扫描仪40来接收图形输入，可以将此图形输入转换为其它字符格式也可以不转换为其它字符格式。可以使用任何类型(例如硬盘驱动器、软盘等)的存储装置41作为输入装置，无论它是常驻在节点11内或常驻在网络30上的某些其它节点52内还是来自另一个网络50都可以。
输出装置24同样包括一个或多个物理硬件单元。例如，通常，可以使用端口28接收输入并从节点11发送输出。监视器42可以为用户提供输出作为在处理期间的反馈，或者用于支持在处理器12与用户之间进行双向通信。可以使用打印机44或硬盘驱动器46作为输出装置24，用于输出信息。
一般而言，节点11连接的网络30可以反过来通过路由器48连接到另一个网络50。一般情况下，节点11和52可以在网络30上，连接网络30，50，或可以利用多个路由器48或多个网络50将两个节点11和52分开作为互联网上的独立节点11、52。独立的节点52(例如11、52、54)可以具有各种通信能力。
在某些实施例中，在任何节点52中均可以使用最简单的逻辑能力。请注意，可以将任一独立节点11、52、54称为(或将它们统称为)节点11或节点52。各节点均可以含有处理器12以及或多或少的部件14至44。
网络30可以包括一个或多个服务器54。服务器可用于对网络30上其它节点52上的任何数目的文件、数据库等进行管理、存储、通信、传输、访问、更新等。通常，网络30上的所有节点11、52均可以访问服务器54。总之，在这里可以访问以获得信息或文件的任一节点11、52均可被称为服务器。因此，互联网50上用户可以访问的“web站点”均可以被认为是服务器54，可以提供任何服务。利用单个服务器54或多个服务器54可以实现其它特殊功能，包括通信、应用程序、目录服务等。节点11、52可以为服务器54。
通常，节点11需要通过网络30与服务器54、路由器48或其它节点52进行通信。同样，节点11需要通过互联网50内的另一个网络(例如可以与网络30相同也可以不同)与远离网络30的节点52通信。同样，单个部件12至46需要相互进行数据通信。总之，在任何一对装置之间存在通信链路。
参考图2，所示的系统60用于观测在水平方向64和垂直方向66移动的对象62。在图2中，从对象62产生辐射光68(图像)，例如对象62可以是太阳62。在上述实施例中，传感器组70包括检测器72(水平传感器72)和传感器74(垂直传感器74)，检测器72和74用于检测反映在互相垂直的各维中移动的辐射光(图像)。
传感器72和74具有连接线路76、78或连接数据线路76、78，分别用于将传感器72、74连接到数据获取系统80。数据获取系统80可以进行数字信号处理或其它预处理。换句话说，数据获取系统80可以简单记录各传感器72、74输出的参数。
还通过电缆82或其它线路82将数据获取系统80连接到外部计算机11。线路82将数据获取系统输出的数据送到计算机11和将计算机11输出的控制数据送到数据获取系统80。
总之，为了将数据获取系统80输出的原始数据、预处理数据或被全部分析的数据送到网络84的其它节点，还可以将计算机11连接到网络84。根据实际情况，随着网络的不断扩大，网络84可以是局域网也可以是互联网，并可以将输入信号送到计算机11用于控制数据获取系统80，或可以是数据的用户，网络84也可以简单地是使用由计算机11提供并代表或反映数据获取系统80输出的数据的数据用户。
传感器72、74分别具有指向对象62的视“线”86、88。在上述实施例中，为了隔离反映对象62在水平方向64和垂直方向66运动的数据，为光圈系统90设置掩模92、水平光圈94和垂直光圈96。但是，在实际情况中，对象62在任何方向64、66上的运动都会影响通过各自光圈94、96并最终被各传感器72、74接收的辐射光68。结果，数据获取系统80对各传感器72、74记录的数据实际是耦合的。事实上，对象62的所有运动均影响传感器72、74检测的辐射光68。图2所示的例子仅是在两个方向的简化实例。总之，可以存在具有任意维数的系统。
在根据本发明的方法和装置中，从传感器72、74送到数据获取系统80的数据不需要丢失以耦合关系形式存储的信息。从数学上说，使用偏微分方程来描述感兴趣空间内的变量之间或维之间的相依现象。
结果，在数据获取系统80的多个信道接收的数据互相独立，因此，不会由于假定不存在耦合或信道之间的独立性而丢失信息。然而，在图2所示的例子中，假定通过两个传感器72、74记录到数据获取系统80的数据可以被信道分离是错误假定。通过单个信道存储并分析数据或非耦合变换并假定具有独立性将会破坏耦合信息。
因此，不需要假定数据的线性或独立性。相反，将数据保持在原始域100中(如图3所示)。通过将数据保持在原始域100内，就不需要通过变换引入畸变或奇异性、断续性等。相反，正如检测的耦合那样记录数据，并且根据本发明的装置10可以处理数据以确定数据域100内所有变量之间或所有维之间的相关性。
关于数据域100，自然可以想到变量之间的独立性和相依性。然而，在许多情况下，并不了解或不认识变量之间的独立性和相依性。因此，根据本发明的装置和系统的一个优势在于在数据获取系统80内有能力保存以信道之间的耦合方式检测的信息。
参考图3，根据第一变量102或第一维102、第二变量104或第二维104以及第三变量106或第三维106可以确定数据域100。由于大于三维就难以表示或不可能表示。所以图3所示的例子为三维。然而，对数据域100内的维数没有固有限制。
数据域100在第一维102和第二维104确定的面上包括多个点108。维106内的数值110对应于各点108。人们自然会希望将第一维102和第二维104认为是相互独立的维，数值110的维106作为第三相关维。
然而，根据本发明，102、104、106中任何一维均可以作为函数维或值维，有时称解维或感兴趣函数110。不需要假定认为在存储的数据中什么是从属的什么是独立的。将可以检测和记录的所有数值均存储到数据域100。实际上，可以使用任意维数102、104、106。因此，在数据域100内，可以使用任意数目的变量102、104、106。
此外，尽管在上述说明中使用的增量112、114可以是有规律的、或无规律的，并且可以需要也可以不需要事先已知。例如，当数据获取系统80记录数据时，数据域100通常为一时间中的流。因此，对于数据获取系统80的各信道记录一些点108、110，在数据流中，每个信道对应一个数值。之后，在处理过程中，例如为了进行检验或进行分析等，可以确定多个子域116、118。可以用各自维102、维104内的增量112、114来确定这些子域116、118。
参考图4，图3所示的数据域100包括连接维106或函数维106内的数值110的面120。重要的是应该注意，函数维106可以任意指定。根据实际情况，建议函数维106是可以容易控制其它变量102、104的维。然而，除了在此例子中为了澄清而要求的之外，不需要预先设想变量102、104、106的相依性和独立性。
面120可以在所有的维102、104、106上扩展。面维122不同于维102。同样，面维124不同于维104。相反，维122、124是沿面120的维，可以将面120投影到数据域100内由方向102、104或维102、104确定的面。
在分析数据域100内的面120时，会注意到局部最大值126和局部最小值128。在各最大值126和最小值128之间必然存在拐点。在确定要求的精度时，根据多维采样理论(以下简称采样理论)，为了准确表示数据域100，通过计算拐点区域130的数目可以确定需要的采样点数以及插值函数需要的次数或其它函数参数。
参考图5，第一维134和第二维136与第三维138相关并且互相关。在图5中，面142中间横切的曲线140代表第一维134和第二维136的任意数值的第三维138内的数值。
固定维136内的平面144对应于第二维136内的固定值145。平面144与面142的横切曲线140代表在数据域100内变量136或维136的常数145的曲线140。
然而，存在平面144，或存在平面144的事实，并不一定意味着可以确定平面144。即所有变量134、136、138互相独立。任何变量134、136、138的变化均会改变面142的结构。在现实中遇到的许多实际问题中，包括物理系统输出的实际数据，如果不依靠数值近似方法，就不可能确定面142或曲线140。
因此需要强大的计算能力。在这些关系中存在极端的复杂性。根据本发明方法和装置可以确定面142与变量134、136之间的关系而无需进行变换、假定、独立性或解耦，并且降低了复杂性而且不需要花费很长的计算时间。
可以将距离146看作维136内的数值146。可以将平面144看作一系列点，其中点148恰好既在平面144上又在面142上。数值150代表对应于0变量134或维134数值的类似值138，并且维138的数值152代表变量136的数值146。
为方便起见，网格154可以确定数据域100的子域。网格154可以是任意的也可以等量递增的。根据本发明，对于时间这个规律性通常可以控制的变量或维，实际上不可能完全控制。更确切地说，可变时间简单递增，并且控制数据获取系统80以规定的某个递增时间来记录信道。然而，实际上，不可能控制时间。因此，数据域实际上含有一个或没有单个有规律递增的维(例如时间)。所有其它维均在这些维内测量的参数数值范围内变化。
然而，在其它系统中，数据域内的几个参数可以作为输入提供或控制。根据本发明的方法和装置与需要进行变换的典型状态采样控制网络明显不同，并且通常以某些有规律的方式实现状态域递增。在本发明中不需要控制数据。
参考图6，示出用于建立162并利用数据域采样网络164的过程160或方法160。首先建立数据域采样网络的建立过程162可以包括提供数据域100的过程165以及选择确定数据域100的过程166。数据域100由维134、136、138确定，需要将变量数或维数限制为可以记录数据的维数。这些可以包括各维内的单元的定义或特征以及数值。定义步骤168可以包括选择步骤167、169。记录单中的括号表示可以选择某些处理过程，但是在选择的实施例中，还可以删除其它处理步骤。
定义步骤167负责定义独立变量域。定义步骤169负责定义函数范围。域的概念和范围的概念，以及独立变量(输入)和从属变量(输出或函数)的概念的范围可以是从某种程度的任意性到绝对的和完全的任意性。然而，定义函数范围的步骤169通常包括确定参数或维138或要求观测不必受控的感兴趣的面142。
相反，定义独立变量域的步骤167包括选择其它维134、136的步骤，希望对其影响进行参数化、量化或定性化，以确定如何通过维134、136影响或与面142的值或面142内的点148、150相关。
因此，可以认为定义步骤168为选择步骤。由于在数据域166内这些关系是固有的，所以，可以保留这些关系而不象在现有技术系统中那样，通过处理、变换等被破坏。
用于分析的选择维或变量的步骤170负责确定依靠数据域100内的哪些维。在数据域空间100或子空间100内提供点的步骤172提供感兴趣数据，其可为独立数据、从属数据或具有未知关系的数据。
分析数据域范围内的数据的步骤包括选择为了用于估计的独立维的步骤175。因此，可以对数据域空间100或数据域100内的各维重复步骤175、176、177、138。确定动态范围的周期的步骤176可以包括估计拐点区域130的面120、142。总之，频率、变化率、最大值126和最小值128等等将影响在最小采样范围要求的数据点148的数目，并将影响任何插值方法的复杂性。
选择内插方法的步骤177是可选的。采样理论和插值原理已经发展到最佳技术。为了可以对最佳插值方法和函数进行访问，需要选择插值方法的步骤177。这有助于确定感兴趣维134、136、138内各动态范围的特定步骤176。
选择在感兴趣维134(感兴趣维134用于说明空间100内的任何维134、136等)内采样点数的步骤178是确定步骤176的直接函数。过程179从包括函数的面120、142等的任一维106、138的所有感兴趣维134的选择步骤175开始连续进行。
提供数据域网络的步骤180，或更准确地说是提供数据域采样网络的步骤180可以从选择插值函数的步骤182开始。将采样理论用于原始数据域100的步骤184可能建议插值函数的类型，以及特定类型的最佳插值函数。除法sine(x)/x被称为SinC函数，并且它可以提供一种适当形式甚至是最佳形式的插值函数。插值函数类似于图6所示例子的插值函数。在图6所示的例子中，插值函数186将函数与乘以函数值或数据域100内的特定维134的数据点的等待函数的一系列求和值相关联。
此外，由于在多个维134、136、138内的函数之间的相关性，或由于多个维134(通常为维134)的数值为重要因素而且不需要预先假定，所以在某种程度上函数性是随意的。关于如何使用插值函数的细节问题可以从本技术领域内已知的文献中找到，并且在本发明中不必限制为某个特定方法。尽管如此，还是适当地建立了插值函数186。
利用本技术领域已知的方法可以实现计算插值函数186的权值208(参考图7)(被表示为“W”)的步骤188。然而，上述说明的参考包含适合于计算权值的方法188。
使用数据域采样网络218(参考图9)的步骤164可以包括选择感兴趣数据域维134的步骤190。无需考虑变量134或维134是否独立于其它维134，例如维136、138等。选择步骤190可以包括只确定可以检验到哪些参数，以及哪些参数对其具有影响的步骤。总之，甚至可以选择与参数具有某些函数关系的优良指数，并观测作为数据域100内的数值106的优良指数的变化。
确定任意输入和输出集的步骤192涉及选择感兴趣维134的步骤190。总之，输入和输出的意义在于对设计进行试验。然而，在根据本发明的装置和方法中，无需因为需要找到解答而对运行状态和各种关系进行控制、变换、处理等。因此，实际上，可以从数据域100内选择任意维134集包含在选择中。然而，为了获得最大量信息，可以使用所有维134(调用134代表随便一维和所有维)并且可以选择某些维134作为输出集进行观测。同样，可以将某些维134放入输入集，并且为了清楚地观测输出集，可以以某些有规律的增量标绘或计算某些维134。
然后，在数据域100内选择输入点的步骤194是一个重复性过程。在数据域100内选择任何输入点的步骤194提供在数据域内的点，在所提供的点，插值函数186的数值106可以对感兴趣点提供相应的“解”。
插值输出点的步骤196包含计算在数据域100的选择的维102、104内对应于点108的内插值110的步骤。如果可以使用某些方程，依靠优良指数，可以发现函数值110超出数据域100。然而，不需要数据域100与其它参数之间的函数关系知识。总之，可以将所有感兴趣的输入和输出认为是数据域的一部分(维)。因此，通常，在插值步骤196期间求出的值通常在数据域的限制范围内。同样，插值步骤196求出数据域100内维134的各值。
参考图7，示出根据本发明的可执行的和运算的数据。总之，对应于计算机11的计算机可读存储装置196可以存储多种数据结构200至214。根据实际情况，如上根据图6所述的那样，为了对数据域100范围内的数据进行分析，多维采样模块198负责实现采样理论。
因此，正如采样理论确定的那样，提供包括频率、周期、插值方法选择以及选择在各维中要求的采样数等的多维数据域分析输出202，作为多维采样模块198的输出。
相关模块204使用多维数据域分析202的输出以及存储在存储器196内的原始数据点200来提供权值208或进行权值计算步骤188。
数据域采样网络206，特别是权值208反映从数据域100内的原始数据点200获得的信息。插值模块212根据数据域采样网络206的权值208、数据域100内的数据点200以及插值函数210来提供数据域100内的感兴趣数值214。
如上所述，输入与输出比值的选择可以是在数据域100内的任意选择。因此，由于插值函数210规定所有中值点在数据域100内的面120、142内，所以，感兴趣的输入值或输出值214在数据域内，但是通常不是实际原始数据200的值。
参考图8，同时仍继续参考图7，可以在处理器215(例如计算机11内的处理器12)内执行存储在存储装置196内的数据结构194。为了提供多维数据域分析202(输出202)，原始数据点200提供216a或多维采样模块198处理的216a(一般为216，具体为216a至216h)。因此，将周期数、插值方法以及要求的最佳采样数作为多维数据域分析202(或输出202)的一部分提供。
可以采用相关模块204并利用适当机制将各数据点200相关。相比传统系统，本发明的一个重要改进在于相关模块204仅依赖于数据200。仅根据数据域100和数据200，而不根据变换、先验信息、假定的或分析的方程、非耦合的信道等提供多维数据域分析202。因此，直到通过数据200和分析输出202的相关模块204的过程216c、216d，完全依赖于数据域，而无需变换到其它域。
数据域采样网络206是相关模块204的直接结果216e。结果权重208表现数据域采样网络206的特征。因此，将权值208与数据200一起送到(步骤216f)插值模块212，同时将数据210送到(步骤216h)插值模块212。根据所提供的数据200和权值208，插值模块212根据所提供的插值函数210执行插值过程。对于数据域100内任意位置的任意点226(见图9)，插值模块212的输出为在数据域100内的感兴趣的数值214。
参考图9，可以将数据域100看作完整的连续空间。因为有插值模块212，可以在数据域100内的任意位置连续定义点110或数值110以提供面220。面220由向量224确定的点221(例如数值110)构成。总之，可以将面220看作解220或从属的面220，而将子域222看作独立空间222。
因此，向量224对应于通过数据域100的子域222映射的点221或数值221。即数据域100既包括面220，又包括子域222。此外，可以将子域222和面220分别看作任意输入和输出(例如独立和从属的)选择。面220代表希望观测的数据域100中的感兴趣参数。
由于插值函数210和权值208的缘故，不包含在原始数据点223内但存在于数据域100内的点226具有作为插值模块212提供的输出的向量230、数值232。该向量230的数值232即为面220上的点232。
权利要求
1.一种方法，该方法包括提供数据域；在数据域内提供数据点；根据多维采样理论，分析在数据域内数据点的特点以确定将施加到数据域的采样分布；以及根据在数据域内分析的输出，提供数据域采样网络。
2.根据权利要求1所述的方法，该方法进一步包括提供计算机可读存储器，其包含运算数据结构和可执行数据结构，该数据结构包括提供多维采样模块，该多维采样模块在数据域内可对数据点进行分析以确定采样结构；以及提供相关模块，该相关模块可以对数据点和采样结构进行处理，以使各数据点相关并提供反映数据相关性的数据域采样网络。
3.根据权利要求2所述的方法，该方法进一步包括提供插值模块，该插值模块用于将数据域内感兴趣的第一维的数值从该数据域的其它维内的参数定义的感兴趣点插入。
4.根据权利要求1所述的方法，该方法进一步包括提供插值函数，利用数据域内的数据点建立该插值函数。
5.根据权利要求4所述的方法，该方法进一步包括提供插值模块，该插值模块用于在第一维内对应于第二维和第三维耦合的数值而插值。
6.根据权利要求5所述的方法，其中插值过程依赖于根据多维采样理论并通过分析数据域内的数据点确定的最优插值函数。
7.根据权利要求1所述的方法，该方法进一步包括提供数据域采样网络，该多维数据域采样网络是通过一组权值定义的，该组权值反映对被表示为数据域内的数据点的未变换数据进行的分析。
8.根据权利要求1所述的方法，其中数据点反映对应于耦合的第二维和第三维的感兴趣的第一维内的数值。
9.一种包括计算机可读存储器的装置，该计算机可读存储器包含运算的和可执行的数据结构，该数据结构包括数据域内的数据点；多维采样模块，可对数据域内的数据点进行分析以确定采样结构；相关模块，可对数据点和采样结构进行处理以使各数据点相关，并提供反映数据相关性的数据域采样网络；以及插值模块，用于在数据域内感兴趣的第一维中插值，该值来自于数据域的其它维内的参数定义的感兴趣点。
10.一种装置，包括处理器；计算机可读的存储装置，其可运行地连接到处理器，用于存储运算数据结构和可执行数据结构，该数据结构包括数据点，存储在数据域内，并反映第一维内的数值；多维采样模块，用于分析数据域内的数据点，以对数据域内的第二和第三维提供采样数，该采样数对应于在包括第二维和第三维的子域内的数据点采样数；以及相关模块，可以对数据域内的数据点和多维采样模块的输出进行处理，以提供反映第二维与第三维相关性的数据域采样网络。
全文摘要
装置(10)可以实现建立(162)数据域采样网络(206)的方法(160)。在某个实施例中,根据本发明的方法可以定义(166)数据域,提供(172)数据域空间或子空间内的点,然后对数据域(100)内的数据进行分析(174)。分析过程(174)可以包括:选择(175)感兴趣维或变量、估计(176)或确定(176)各动态范围的周期、选择(177)插值方法以及选择(178)各自维(227、228)内的采样点数(223)。提供(180)的数据域网络(206)通常包括将多维采样理论应用(184)到原始数据域(100)。通过插值模块(212)计算(188)对此的等待,规定其原始域(100)内的数据域网络。
文档编号G06F17/15GK1331821SQ99811023
公开日2002年1月16日 申请日期1999年9月16日 优先权日1998年9月17日
发明者杰伊·L·史密斯 申请人:韦伯州立大学