一种基于成长型神经网络的曲面重建快速算法

文章使用成长型神经网络来实现曲面的快速重建,在重建过程中采用线性组合的方式分裂节点;使用一种简化的方法计算节点的Voronoi区域面积,以用来分配新增节点的计数器值;最后对生成的曲面进一步综合优化。实验结果表明,使用该算法能够快速获得形状良好的曲面。

基于成长型神经网络以线段为基元的曲线重建

在逆向工程中,对基于散乱数据点的曲线重建研究有着重要的意义。曲线可用线段基元逼近。提出使用成长型神经网络以线段为基元的曲线重建新算法。给定某一曲线的散乱点集和一初始折线,新算法优化折线上的顶点位置,使折线更好地逼近散乱点;持续分裂折线上活动性强的顶点和删除活动性最弱的顶点,使折线上顶点的分布更符合散乱点数据的概率分布。实验结果表明,新算法能够取得良好的曲线重建效果。

Voronoi在GCS建模中的应用

使用成长型神经网络(GCS)三维建模,需要不断分裂网格中计数器值最大的节点;本文根据新增节点的Voronoi面积大小分配其计数器值。实验结果表明:该算法对曲面重建具有较好的效果。