三维模型网格数据压缩技术研究

为解决三维模型检索系统查看三维模型细节时系统响应缓慢的问题,提出了一种可用于B/S系统架构的三维模型数据的压缩以及相应的快速解压缩方法。首先分析三维模型数据特征以及通用模型文件格式,给出用于解析模型文件的正则表达式;然后通过模拟缓存置换机制优化模型的顶点和面片组织结构,进行差值预测编码,并在客户端快速解压成WebGL支持的数据结构;最后将这种网格压缩方法融入三维模型检索系统。实验分析表明使用WebGL对压缩后模型渲染效果良好,在理想带宽下查看模型的响应速度比未压缩前至少加快了5倍。

一种新的基于网格压缩的聚类算法SGRIDS研究

引入了一种新的基于网格的数据压缩方法,并应用该方法对处理大型空间数据集的聚类算法SGR IDS进行研究。该方法考虑输入参数对聚类算法质量有较大影响,对密度阈值的确定进行了改进,从而减小输入参数的影响。实验证明,该方法能够获得较好的聚类效果。

一种新的基于网格聚类的雷达信号预分选算法

雷达信号分选一直是雷达对抗情报处理中的难题,将网格聚类应用于雷达信号预分选,针对现有网格聚类需要输入网格划分、网格边界处理精度低等问题,提出一种新的基于网格聚类的雷达信号预分选算法。该算法根据网格数据压缩率自适应确定网格划分和密度阈值,并对网格边界进行优化处理。仿真实验表明,该算法能有效适用于雷达信号预分选,且有较强的抗噪声能力。