前言 流场数据可视化是科学计算可视化的一种，是该领域发展最早、应用最广泛的研究方向。从20世纪六七十年代的计算流体力学开始，流场数据可视化取得了众多杰出的成果。但是，流场数据类型复杂、物理量种类多、物理特征提取困难、可视化要求高等因素使得流场数据可视化一直是科学计算可视化领域的研究热点和难点之一。 在对大规模流体数据进行可视化时，特征检测能够加速数据分析速度，并且能够对大量杂乱数据进行有效可视化。在数据集中确定特征的方法有两种：局部特征法和全局特征法。局部特征法，是分析邻近的一小部分数据；全局特征法通过汇总的分类策略从整体提取特征。对某些种类的特征来说，全局特征法能够更准确地识别出被关注的特征。但是当数据规模较大时，进行全局特征检测的代价太高。 以流体力学应用中最主要的特征漩涡为例，由于缺乏严格的漩涡定义，目前存在的很多漩涡检测方法的检测结果并不理想。而目前主流的检测算法，大部分都是局部检测算法，由于单次检测的数据量少而显得特别脆弱。 本书作者近几年来一直致力于流体数据可视化的研究工作，并参与了多个国家自然科学基金的计算可视化课题，对基于特征的流体数据可视化理论、技术和方法进行了深入的研究，并取得了一些研究成果。本书撰写的内容主要包括该领域的基础知识和研究成果，以及作者在机器学习与流体数据可视化的交叉应用中取得的成果。 全书共分为7章。第1章为概述，简述科学计算可视化的历史和内容，然后介绍流场可视化的流程、特点、分类和技术，最后介绍可视化开发工具VTK的环境搭建与 MFC 的编程。第2章为流场数据对象及流场特性，包括常用的数据模型、数据类型和数据格式等。第3章为流场基础特征可视化，简述湍流和漩涡的定义、特征、运动方式以及湍流的模拟，然后罗列常见的漩涡特征检测理论和方法。第4章为交互式流体可视化，简述交互式可视化的分类和内容，并在此基础上给出机器学习中使用的专家样本的获取方…