结合局部区域特征的自适应简化率网格简化算法

现有的网格简化算法通常要求人为给定模型整体简化率或者设置几何、颜色、纹理等属性的约束,如何合理地设置这些阈值对没有经验的用户来说比较困难.文中结合监督学习的方法,构建一个多层感知机模型来实现局部区域自适应简化率的预测.该感知机模型能根据网格模型不同区域的局部几何特性,提取出相应的特征,并根据这些特征进行分类.不同的分类对应着不同的简化率,从而在简化网格时根据分类对不同区域设置不同的法线偏差阈值,实现自适应简化率的网格简化算法.为证明该算法的效果,实验中选择不同种类和复杂程度的三维网格模型进行了简化,并与基于QEM能量函数的简化算法进行了整体简化率和简化后的视觉效果的实验对比,结果表明,相对于传统整体简化算法,这种基于局部区域特征设置自适应简化终止条件阈值的简化算法,能有效地根据几何特性对网格进行自适应简化,在保持模型细节的同时,提高了网格的整体简化率.

基于突变点检测的智能空间行为识别方法

基于非嵌入式传感器数据的行为识别对家居设备控制、异常行为监测非常重要,是智能空间环境下行为识别的研究热点,不仅利于隐私保护而且能长期积累数据满足个体行为偏好。针对传感器数据序列中行为边界标识,并依次改善在线行为识别效果的问题,基于行为突变点检测思想识别连续行为的相似度程度,使用KL散度实现突变点检测,针对突变点检测阈值的选择问题,使用遗传算法对其进行自动设置。使用RF、QSVM、加权K近邻(Weighted KNN,wKNN)、DT算法实验验证突变点时域特征能够有效提高在线行为识别能力,证明了本文方法的有效性。