coordinate-system 2.5.1__cp313-cp313-win_amd64.whl → 2.5.3__cp313-cp313-win_amd64.whl

coordinate_system/two_stage_curvature.py

@@ -1,283 +0,0 @@
-#!/usr/bin/env python3
-# -*- coding: utf-8 -*-
-"""
-Two-Stage Adaptive Curvature Computation
-基于两级自适应修正的曲率计算
-
-理论基础：
-1. 离散化误差与真实曲率成正比：ε ∝ K_true
-2. 投影协变破坏在李括号中被线性放大
-3. 通过快速估算打破曲率嵌套的自指循环
-"""
-
-from typing import Optional
-import numpy as np
-
-# ========== Stage 1: Fast Curvature Scale Estimation ==========
-
-def estimate_curvature_scale(
-    surface,
-    u: float,
-    v: float,
-    h: float = 1e-3
-) -> float:
-    """
-    第1级：快速曲率标量估计
-
-    基于法向量变化的几何直觉：
-    曲率越大，法向量变化越快
-
-    Args:
-        surface: 曲面对象
-        u, v: 参数坐标
-        h: 步长
-
-    Returns:
-        粗估的曲率标量 K_rough
-    """
-    # 计算中心点和邻域点的法向量
-    n_center = surface.normal(u, v)
-    n_u_plus = surface.normal(u + h, v)
-    n_v_plus = surface.normal(u, v + h)
-
-    # 法向量变化的平均值（几何直觉）
-    dn_u = (n_u_plus - n_center).len()
-    dn_v = (n_v_plus - n_center).len()
-
-    # 粗估曲率：法向量变化率的平均
-    K_rough = (dn_u + dn_v) / (2.0 * h)
-
-    return K_rough
-
-
-def estimate_curvature_from_metric(
-    surface,
-    u: float,
-    v: float,
-    h: float = 1e-3
-) -> float:
-    """
-    基于度量张量变化的曲率估计（备用方法）
-
-    通过度量张量的二阶导数粗估曲率
-    """
-    from coordinate_system.differential_geometry import compute_metric
-
-    # 计算度量张量
-    g = compute_metric(surface, u, v)
-
-    # 简化估计：基于 Gauss 方程的离散近似
-    # K ≈ -Δ log(√det(g)) / 2
-
-    g_u_plus = compute_metric(surface, u + h, v)
-    g_u_minus = compute_metric(surface, u - h, v)
-    g_v_plus = compute_metric(surface, u, v + h)
-    g_v_minus = compute_metric(surface, u, v - h)
-
-    # 二阶差分
-    d2_det_u = (g_u_plus.det - 2.0 * g.det + g_u_minus.det) / (h * h)
-    d2_det_v = (g_v_plus.det - 2.0 * g.det + g_v_minus.det) / (h * h)
-
-    if abs(g.det) > 1e-10:
-        K_rough = -(d2_det_u + d2_det_v) / (2.0 * g.det)
-    else:
-        K_rough = 0.0
-
-    return K_rough
-
-
-# ========== Stage 2: Adaptive Correction Factor ==========
-
-def compute_adaptive_beta(
-    K_estimate: float,
-    beta_0: float = 0.75,
-    alpha: float = 0.1,
-    gamma: float = 2.0
-) -> float:
-    """
-    第2级：计算自适应修正因子
-
-    基于曲率估计的修正因子：
-    β(K) = β_0 × (1 + α × tanh(γ × K_estimate))
-
-    物理意义：
-    - β_0 = 0.75: 基准修正因子，补偿投影协变破坏
-    - α: 曲率依赖的调节参数
-    - γ: 曲率响应的敏感度
-
-    Args:
-        K_estimate: 第1级估算的曲率标量
-        beta_0: 基准修正因子（默认 0.75）
-        alpha: 调节参数
-        gamma: 敏感度参数
-
-    Returns:
-        自适应修正因子 β
-    """
-    # 使用 tanh 函数实现平滑的非线性响应
-    beta = beta_0 * (1.0 + alpha * np.tanh(gamma * abs(K_estimate)))
-
-    return beta
-
-
-def compute_simple_beta(K_estimate: float) -> float:
-    """
-    简化版修正因子（固定值）
-
-    基于经验观察：投影协变破坏导致~33%的系统性放大
-    因此修正因子 β ≈ 3/4 = 0.75
-    """
-    return 0.75
-
-
-# ========== Two-Stage Curvature Computation ==========
-
-def compute_gaussian_curvature_two_stage(
-    surface,
-    u: float,
-    v: float,
-    step_size: float = 1e-3,
-    use_adaptive_beta: bool = True,
-    beta_0: float = 0.75
-) -> float:
-    """
-    两级自适应曲率计算
-
-    算法流程：
-    1. Stage 1: 快速估算曲率标量 K_rough
-    2. Stage 2: 计算自适应修正因子 β(K_rough)
-    3. 应用修正因子到精确曲率计算
-
-    Args:
-        surface: 曲面对象
-        u, v: 参数坐标
-        step_size: 数值微分步长
-        use_adaptive_beta: 是否使用自适应修正因子
-        beta_0: 基准修正因子
-
-    Returns:
-        修正后的高斯曲率 K
-
-    Example:
-        >>> sphere = Sphere(radius=1.0)
-        >>> K = compute_gaussian_curvature_two_stage(sphere, np.pi/2, np.pi/4)
-        >>> print(f"K = {K:.6f}")  # 应接近 1.0
-    """
-    # === Stage 1: 快速曲率标量估计 ===
-    K_rough = estimate_curvature_scale(surface, u, v, step_size)
-
-    # === Stage 2: 自适应修正因子 ===
-    if use_adaptive_beta:
-        beta = compute_adaptive_beta(K_rough, beta_0=beta_0)
-    else:
-        beta = beta_0
-
-    # === 精确曲率张量计算 ===
-    # 导入避免循环依赖
-    from coordinate_system.differential_geometry import compute_curvature_tensor, compute_metric
-
-    R_uv = compute_curvature_tensor(
-        surface, u, v,
-        scale_factor=1.0,  # 不在这里应用 scale_factor
-        use_metric_correction=True,
-        use_lie_derivative=False,  # 简化版不使用李导数项
-        step_size=step_size
-    )
-
-    g = compute_metric(surface, u, v)
-
-    # 提取反对称部分
-    R_01 = R_uv.ux.y
-    R_10 = R_uv.uy.x
-    R_12_antisym = (R_01 - R_10) / 2.0
-
-    # 原始曲率（未修正）
-    if abs(g.det) > 1e-10:
-        K_raw = R_12_antisym / g.det
-    else:
-        K_raw = 0.0
-
-    # === 应用修正因子 ===
-    K_corrected = beta * K_raw
-
-    return K_corrected
-
-
-# ========== Enhanced Version with Iterative Refinement ==========
-
-def compute_gaussian_curvature_iterative(
-    surface,
-    u: float,
-    v: float,
-    step_size: float = 1e-3,
-    max_iterations: int = 3,
-    tolerance: float = 1e-4
-) -> float:
-    """
-    迭代精化版本的两级曲率计算
-
-    通过迭代更新修正因子，进一步提高精度：
-    1. 初始估计 K^(0)
-    2. 计算 β^(1) = f(K^(0))
-    3. 更新 K^(1) = β^(1) × K_raw
-    4. 重复直到收敛
-
-    Args:
-        surface: 曲面对象
-        u, v: 参数坐标
-        step_size: 数值微分步长
-        max_iterations: 最大迭代次数
-        tolerance: 收敛判据
-
-    Returns:
-        迭代收敛后的高斯曲率 K
-    """
-    # 初始估计
-    K_prev = estimate_curvature_scale(surface, u, v, step_size)
-
-    # 计算原始曲率（只计算一次）
-    from coordinate_system.differential_geometry import compute_curvature_tensor, compute_metric
-
-    R_uv = compute_curvature_tensor(
-        surface, u, v,
-        scale_factor=1.0,
-        use_metric_correction=True,
-        use_lie_derivative=False,
-        step_size=step_size
-    )
-
-    g = compute_metric(surface, u, v)
-    R_01 = R_uv.ux.y
-    R_10 = R_uv.uy.x
-    R_12_antisym = (R_01 - R_10) / 2.0
-
-    if abs(g.det) > 1e-10:
-        K_raw = R_12_antisym / g.det
-    else:
-        return 0.0
-
-    # 迭代精化
-    for iteration in range(max_iterations):
-        # 基于上一次估计计算修正因子
-        beta = compute_adaptive_beta(K_prev)
-
-        # 更新曲率估计
-        K_new = beta * K_raw
-
-        # 检查收敛
-        if abs(K_new - K_prev) < tolerance:
-            return K_new
-
-        K_prev = K_new
-
-    return K_prev
-
-
-__all__ = [
-    'estimate_curvature_scale',
-    'estimate_curvature_from_metric',
-    'compute_adaptive_beta',
-    'compute_simple_beta',
-    'compute_gaussian_curvature_two_stage',
-    'compute_gaussian_curvature_iterative',
-]

coordinate_system-2.5.1.dist-info/RECORD

@@ -1,11 +0,0 @@
-coordinate_system/__init__.py,sha256=CXmYl15vYthXaP4DF6fiLwH0oiBvit-zf9n3rE7DijI,7939
-coordinate_system/coordinate_system.cp313-win_amd64.pyd,sha256=Rp2rgehlW-TUG3xwj9qjOWeOGNEqrPMo5U4rWu2WWns,494080
-coordinate_system/curvature.py,sha256=m4damAauBosQHr50bJxazv8JzdCfaCAqnEWC6P9NkCk,27022
-coordinate_system/differential_geometry.py,sha256=P3GhfoZ8WHLSE3AmpzdlaEII7E9QsZsERiznXaBaKRc,17036
-coordinate_system/intrinsic_gradient_curvature.py,sha256=CVWMP5JgsKerIViii2vsFy-d_PCtB02ZIJ9fi8qmCVA,17680
-coordinate_system/two_stage_curvature.py,sha256=e4fYAhiUc8NwtBi5hz5se4if4i8zZzG8smNlWNwuJpw,7219
-coordinate_system-2.5.1.dist-info/LICENSE,sha256=tDnRkJxBYPzWdfh2gArRqrUPJxQZRZHJVs68qqBHIq4,1083
-coordinate_system-2.5.1.dist-info/METADATA,sha256=wzxf4SxNT3WXvArk1zpTeu10Wh9rXqw8pxDZMFq1xMU,19428
-coordinate_system-2.5.1.dist-info/WHEEL,sha256=4-iQBlRoDdX1wfPofc7KLWa5Cys4eZSgXs6GVU8fKlQ,101
-coordinate_system-2.5.1.dist-info/top_level.txt,sha256=R6LguuPPZ5esrIsDTqPGi9UxCvZPIXwn7KRKX87c79M,18
-coordinate_system-2.5.1.dist-info/RECORD,,