一种用单幅图象与三维物体的匹配方法

用单幅图象对具有四自由度——沿着三个坐标轴位移和绕一个轴转动的三维物体的识别算法,其装置比较简单,计算数据量较少,具有一定的应用前景。本文叙述了矢量匹配的原理,推导了有关计算公式,讨论了聚类算法的步骤和影响匹配率的限制条件。最后以一些实验结果证明了其算法的可行往。     

基于物体分类的非变形纹理映射技术

基于物体发类展开的思想，提出了一种原理简单的非变纹理映射方法，该方法通过裁剪纹理图案使其所在的几何体状与要贴图物体的几何形状相类似，从而实现了从纹理空间到物体空间的非变形映射。     

基于神经网络的概念分类树推想查找

采用ＨＮＮ型离散神经网格模型，提出了一种适于知识，表达与推理的新方法，通过引入推想概念，以非符号形式解决了遍布于ＡＩ，专家系统领域中的分类树查找问题，并实现了符号推理中著名的动物专家系统，最后对此方法的特点进行了总结。     

基于空间位置关系改进的物体识别上下文模型

常见的物体识别算法是基于图像局部低维特征的,在图像成像质量较差、分辨率较低情况下存在不确定和歧义性;图像上下文包含了场景信息以及物体之间彼此关联的丰富信息,可作为图像低维特征补充从而有助于提高物体识别率。该文在已有上下文模型基础上,进一步考虑了物体的空间位置关系信息,将图像全局特征、物体同现性关系和空间位置关系信息、局部检测器输出整合到同一个概率框架中,并充分利用树结构图模型高效推理的优势,改进了物体识别性能。最后通过标准图像集进行算法验证测试和对比来说明该文算法的有效性。     

三维物体深度图象的获取与表述

本文简要介绍了三维物体深度数据的获取方法,重点叙述了采用有源三角形法获取深度数据的系统构成和原理。在简要介绍对深度图象的表述方法之后,叙述了用Delaunay三角形化实现的深度图象表面的表述方法,并给出了用这种方法对三维物体深度图象进行表述的实验结果。从实际结果看出,这种表述方法具有简单、压缩比高的特点。     

基于分形的三维实体树的构造

自然景物的建模是虚拟现实技术的关键之一。本文以虚拟现实技术和分形理论为依据，对原有正三叉树算法提出了改进方法，利用随机函数来生成不同形态的树。     

基于多视图循环神经网络的三维物体识别

对于三维物体的识别任务,基于多视图卷积神经网络的方法(MVCNN)在准确性和训练速度等方面都优于基于三维数据表示的方法。但MVCNN依赖于三维模型,且采用了固定视角的视图,不符合实际的应用场景;此外,其视图特征融合采用了最大值池化操作,会损失部分原始特征信息。针对这一问题,该文提出了一种基于多视图循环神经网络(MVRNN)的三维物体识别方法,从3个方面对MVCNN进行改进。首先,在交叉熵损失函数中引入特征辨识度指标,以提高不同物体特征之间的辨识度;其次,使用循环神经网络代替MVCNN的最大值池化操作来融合多个自由视觉视图特征,得到一个更加紧凑且物体外观信息完备的融合特征;最后,利用二分类网络对自由视角单视图特征和融合特征进行匹配,实现三维物体的细粒度识别。为了验证MVRNN的性能,分别在公开数据集ModelNet和自建数据集MV3D上进行对比实验。实验结果表明,与MVCNN相比,MVRNN提取的多视图特征具有更高的辨识度,在两个数据集上的识别准确率均较有明显提升。     

基于不变矩和神经网络的三维物体识别

为了提高三维物体识别系统的识别率,研究了将三维物体的不变矩作为物体特征,结合改进的BP神经网络应用于三维物体分类识别。理论分析和仿真实验表明,利用三维物体的不变矩特征能够有效地进行识别,对不变矩特征进行主成分分析可以进一步提高识别性能,达到100%的识别率,并降低神经网络结构复杂性和减少训练时间。     

用人工神经网络测量三维物体轮廓的研究

采用一种新的测量方法－－用人工神经网络测量三维物体的轮廓,完成了对物体的轮廓测量。主要对ＢＰ网络的结构、各层节点数以及如何调节网络进行了探讨,同时编制了图像处理软件。在网络学习方面,使用了批处理和个别处理两种训练方式相结合的方法。结果是,对相同的网络,两种训练方式的效果几乎相同,目前测量精度达到毫米级。     

基于贝叶斯扩张树的文本分类算法

将文本的特征作为贝叶斯网络的节点,根据样本数据计算节点之间的互信息,并且将它们作为网络中边的权。利用 Kruskal 算法构造了一种简单的贝叶斯网络—贝叶斯扩张树,使它具有最大对数似然值。利用贝叶斯条件概率公式,将贝叶斯扩张树作为分类器对文档集中的文档进行分类。     

基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

基于决策树的递归包分类算法

提出了一种新的包分类算法SRC(sensitive recursive classification).它建立在决策树基础之上,在以防火墙, 访问控制列表为种子的规则库中进行实验.实验结果表明:SRC内存使用比Hicuts (hierarchical intelligent cuttings)减少3～10倍,最坏查找速度比Hicuts提高5倍以上;SRC的内存使用比EGT-PC(extended grid-of-tries and path compression)减少2～8倍,最坏查找速度比EGT-PC提高4倍以上.     

三维形貌自动化测量的程序设计

将相移技术和数字图象处理技术运用到变形栅线的处理中,通过计算机程序设计,实现了三维形貌测量的自动化处理。     

基于多视点不变量的三维物体识别

给出了利用多视点不变量进行物体识别的2种方法.一种是通过检索多视点结构不变量进行三维物体识别,另一种方法是利用基于复杂特征的多视点不变量进行三维物体识别.     

基于遗传算法的二叉树支持向量机分类方法

针对传统的基于支持向量机的文本分类存在的问题进行了研究,采用二叉树结构与多个支持向量机子分类器组合进行Web文本信息分类,在二叉树支持向量机多类方法的基础上,进一步结合遗传算法,提出了一种新的支持向量机的多类分类方法,实验结果表明,采用该方法进行多类分类,分类精度明显提高,体现了将遗传算法与二叉树支持向量机结合的优越性。     

带优先级分类约束的决策树算法

在与安全相关的流量管理中,对每类应用的关注度不同.针对带优先级约束的流量分类问题,设计了基于分支信息熵的决策树分类算法.实验结果表明,该算法整体准确率较高,并且各个分类的召回率与优先级约束一致.     

支持向量机与哈夫曼树实现多分类的研究

基于支持向量机和决策树的多分类方法存在错误累积问题,累积的错误往往使分类准确率下降,分类效果变差.在仔细分析了其产生错误累积原因的基础上,提出了基于哈夫曼树的支持向量机多分类方法.该方法首先将一个多分类问题分解为多个二分类问题,针对每个二分类问题使用支持向量机二分类方法解决;然后根据相异度来决策分类的优先顺序,构建基于哈夫曼树的支持向量机多分类模型;最后使用勒卡斯开源数据集进行验证,并将它与传统的支持向量机多分类方法进行实验比较.实验结果表明,新的方法在分类速度和分类精度上较传统的支持向量机多分类方法优越.     

基于数字微喷的金属粉末三维打印实现方法研究

金属三维打印能够实现复杂功能零件直接制造与净近成型,具有广阔的应用前景和重要的研究价值. 在高精度金属三维打印领域目前以选择性激光烧结(SLS)工艺为主,但由于选择性激光烧结工艺的设备成本高、模型成型时间长、金属粉末材料选择范围窄等原因,限制了其应用范围. 本文提出一种“基于数字微喷与UV光固化相结合的金属粉末三维打印”实现方法,开发出一套完整的硬件平台与软件系统,并进行了相关的实验,验证了工艺的可行性和开发系统的可靠性. 该方法为金属三维打印提供了新的实现方法,具有较高的研究价值和意义.     

基于面向对象技术构建多维数据模型

在关系数据库中单表、星型模式或雪花模式之上建立一个逻辑结构，把要分析的数据及相关属性抽象成主题、立方体、事实、、维层次和度量等对象，相关的处理过程抽象成对象的行为，并介绍利用XML文档存储多维数据模型对象的信息方法及立体方体的创建过程，实现了多维数据模型的对象化，有利于OLAP及数据挖掘。