基于支持向量机的散乱数据拟合

文章提出了一种有效的大规模散乱点拟合方法,它是采用最小均方支持向量机局部拟合对Shepard插值方法进行改进。支持向量机基于结构风险最小化准则,在数据拟合方面具有较好的泛化能力,而改进的Shepard法能有效拟合大规模样本点。实验结果表明该算法对大规模散乱数据点具有较好的拟合性能。

散乱数据点三角网格综合优化及分析

研究了在散乱数据点集的三角网格划分后 ,对三角网格进行三角形形状和网格空间形状综合优化的方法 ,并结合应用实例进行优化效果分析。分析结果表明 ,通过这种综合优化方法可同时获得三角形形状和网格空间形状都很好的网格拓扑结构。

一种通用的三维散乱数据点图形重建算法

通过三维扫描仪可以获得物体表面的三维散乱数据点集 ,如何通过图形重建算法来对散乱数据点集进行重建 ,在许多系统中是一个重要的步骤 ,并在许多行业有广泛的应用前景。文章提出了一种新的通用的三维散乱数据点重建算法 ,它是基于轮廓线的构型方法 ,该方法不仅能够适用于凸形物体的构型 。

广义相容三角网格及其优化

研究了在散乱数据点集的 3 D三角网格划分中 ,一种虽有三角片相互交叠 ,却可通过优化得到相容网格的情况 ,这种网格可称为广义相容三角网格。文中详细讨论了广义相容三角网格的特点及优化算法 。