逼近散乱点云数据的三角形网格精确剖分

基于自组织特征映射神经网络构建的三角形网格模型可以实现测量点云压缩后的Delaunay三角逼近剖分,但该模型存在逼近误差和边缘误差.为减小三角形网格的逼近误差和边缘误差,构建了精确逼近的三角形网格模型.首先采用整个测量点云,对三角形网格模型中的所有神经元进行整体训练;然后对三角形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点云中的边界点集,对三角形网格模型中的网格边界神经元进行训练.算例表明,应用该模型,可以有效减小三角形网格的边缘误差,三角形网格逼近散乱点云的逼近精度得到大幅提高并覆盖散乱点云整体分布范围.     

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。     

空间三角形网格优化算法

本文提出了空间三角形网格的优化算法,给定一组三维散乱点集和一个初始三角形网格,对三角形网格顶点位置优化和应用三角片局部细分方法,使该网格能更好的逼近三维散乱点,提高了网格对散乱点的逼近精度。     

网格曲面中孔洞的光滑填充算法研究

三角网格模型是几何描述的一种重要形式，有着广泛的应用。但三角网络模型常常会存在孔洞缺陷。这些孔洞的存在一方面影响视觉效果，另一方面会影响许多后续的操作，如快速原型制造、有限元分析等，因此有必要对这些孔洞进行修补。目前绝大多数孔洞填充算法是将网格模型中的孔洞提取成空间多边形，并对孔洞多边形进行三角化。这种处理方法的主要缺陷是没有考虑网格曲面在孔洞附近的几何形态，因而填充部分不能与整个曲面光滑地融为一体。笔者提出了一种三角网格曲面中孔洞的光滑填充算法。该算法根据孔洞周围网格曲面的几何信息来增加孔洞内部的采样点，然后再对增加的采样点进行三角化，较好地解决了填充部分与整体曲面光滑连接的问题。     

基于细网格的多分辨率几何数据压缩方法研究

提出了一种基于细分网格的多分辨率几何数据压缩算法,该算法是一种利用正则曲面法线向量特性及细分曲面的细分连通性的有损压缩方法,因此可以获得很高的压缩比。     

一种曲边三角形区域中的三角形网格自动生成方法

有限元数值计算时,常需用到三角形单元。在一曲边三角形区域中,本文提出了一种新的三角形网格自动生成方法,可在二维、三维空间内对板、壳等结构进行网格划分和网格疏密调节。算例表明本文的网格生成方法是方便、有效的。并避免了R.HABER等人的方法所产生的计算机数据溢出现象。     

一种大规模散乱数据自适应压缩与曲面重建方法

针对大规模散乱数据点云,提出了一种基于曲率与距离的三角网格抽样方法。算法既能保证所生成网格曲面中每个三角片具有较好的形状,又能较鲜明地刻画曲面的细节特征。同时还能将原先规模较大的点云压缩到事先可控的数量上,是一种简单高效的自适应压缩和曲面生成方法。     

基于向量夹角的三角网格模型简化算法

提出以顶点向量夹角为剔除准则,运用顶点去除方法进行网格简化的算法。该算法首先计算每个网格顶点与其周围相邻顶点所形成的方向向量,然后根据方向向量的平均夹角来识别和简化网格中的平面区域,之后再以该顶点所处区域是否比较平坦为顶点去除限制条件,判断该顶点是否符合安全去除原则,这样可以保留特征顶点,进而保持物体的视觉特征。在顶点去除后,还需要对因此而形成的多边形进行三角形网格重建,以填补空洞。该算法在简化质量和简化速率方面取得了较好的平衡。     

基于PSO优化神经网络和空间网格的机器人位姿标定方法

该文提出一种将机器人的位置和姿态拆分开,分别进行标定的机器人位姿标定方法。采用空间精度控制网格标定机器人定位误差,粒子群优化算法(particle swarm optimization,PSO)优化神经网络标定机器人定姿误差。该方法以指数积公式(product of exponentials,POE)为基础建立机器人正向运动学模型,用映射法建立空间网格,用三坐标测量臂测量机器人位姿,用空间网格精度标定定位误差,用PSO优化的神经网络标定定姿误差。其优点在于既标定机器人工具中心点(TCP)的定位误差,又标定机器人工具坐标系的姿态误差,使得机器人定位、定姿误差都得到补偿。实验结果表明机器人的定位、定姿均方根误差减小接近一个数量级。     

基于神经网络的智能诊断

人工智能与诊断理论的结合形成了智能诊断,早期发展的模拟人脑思维推理的、基于知识的专家系统以串行运行的格式进入设备诊断领域,形成了基于知识的诊断推理专家系统,国内外已有许多成熟的商品化软件系统。近几年新发展起来的人工智能的一个分支－－人工神经网络模仿人脑物理结构以其强大的并行运算和联想能力非常适合于设备诊断中状态识别,本单位研制的通用型神经网络智能诊断系统,已达到商品化水平,并已在生产线上运行。     

三重三角网格细分算法研究

标准的二值细分操作会在那些特殊顶点相关联处产生极大的曲率,这个缺陷可以通过对细分操作的特征值施加一个限定的曲率频谱来消除,但会扩大对那些超出了二价的顶点的支持.三重细分方案将网格的边一分为三,上述情况不会发生.该文中,作者推广了二阶连续的四次样条的三重细分到任意的三角形.该细分算法具有有界的曲率,并且被设计成能够维持凸包的属性.     

基于三坐标测量数据的点云曲面重构

基于CMM测量数据,针对鼠标数据的特点,进行了边界拟合、特征识别、分片重建、光滑拼接等技术的研究。利用三次B样条拟合边界曲线,利用微分几何方法进行曲面特征的识别与分割,利用拉伸及放样法进行曲面片重构,最后进行曲面片相交、剪裁、过渡完成最终的鼠标模型。     

智能神经网络在Internet入侵检测中的应用

探讨了一个基于智能神经网络的网络入侵检测系统模型，在对网络中的IP数据包进行分析处理以及特征提取的基础上，采用智能神经网络进行学习或判别，以达到对未知数据包进行检测的目的，智能神经网络可以将多种多样的入侵检测任务划分为多个单一的检测任务，并将这些任务分配给功能专一，结构简单的较小的智能神经网络来完成，实验证明这是一种行之有效的网络入侵检测的解决方法。     

Convolutional Neural Network Based Intelligent Handwritten Document Recognition

This paper presents a handwritten document recognition system based on the convolutional neural network technique. In today’s world, handwritten document recognition is rapidly attaining the attention of researchers due to its promising behavior as assisting technology for visually impaired users. This technology is also helpful for the automatic data entry system. In the proposed system prepared a dataset of English language handwritten character images. The proposed system has been trained for the large set of sample data and tested on the sample images of user-defined handwritten documents. In this research, multiple experiments get very worthy recognition results. The proposed system will first perform image pre-processing stages to prepare data for training using a convolutional neural network. After this processing, the input document is segmented using line, word and character segmentation. The proposed system get the accuracy during the character segmentation up to 86%. Then these segmented characters are sent to a convolutional neural network for their recognition. The recognition and segmentation technique proposed in this paper is providing the most acceptable accurate results on a given dataset. The proposed work approaches to the accuracy of the result during convolutional neural network training up to 93%, and for validation that accuracy slightly decreases with 90.42%.     

基于形态学和细胞神经网络的边缘检测方法

采用形态学方法提取二值图像的边缘,利用二值形态学与离散细胞神经网络(DT-CNM)的某种天然对应关系,将离散细胞神经网络引入形态学,将形态学运算转化为某种特定模板下的多层离散细胞神经网络,然后对该模板进行优化设计使之转化为单层离散细胞神经网络,降低了运算的复杂度.在此基础上,通过综合灰度图像像素在每个比特位上的边缘检测结果,提出了采用二值形态学提取灰度图像边缘的方法.与传统边缘提取方法Sobel和Log相比较,该方法边缘提取效果良好,收敛迅速.     

基于卷积神经网络的印刷套准识别方法

目的 针对目前印刷套准识别方法依赖于经验人工设计特征提取的问题,提出一种不需要人工提取图像特征的卷积神经网络模型,实现印刷套准状态的识别.方法 采用图像增强技术实现不均衡训练集的均衡化,增加训练集图像的数量,提高模型的识别准确率.设计基于AlexNet网络结构的印刷套准识别模型的结构参数,分析批处理样本数量和基础学习率对模型性能的影响规律.结果 文中方法获得的总印刷套准识别准确率为0.9860,召回率为1.0000,分类准确率几何平均数为0.9869.结论 文中方法能自动提取图像特征,不依赖于人工设计的特征提取方法.在构造的数据集上,文中方法的分类性能优于实验中的支持向量机方法.     

蜂窝纸板切纸机的模糊神经网络智能化控制

提出并实现了一种基于模糊技术和神经网络集成的仿人智能控制模型，利用该智能控制模型对蜂窝纸板切纸机进行控制，可以实现对纸板的按任意要求的切割。仿真实验证明了该模型的可靠性和快速性。     

基于神经网络的产品意象造型设计研究

为设计出符合消费者需求的产品,采用基于神经网路的产品意象造型设计方法.研究过程中首先确定感性词汇与造型设计要素,在此基础上,利用BP神经网络模型建立2者之间的关系,通过对BP模型中的编码、输入层、输出层、隐含层、激活函数以及相关参数的分析设置,进行产品感性意象设计的实验仿真,最后通过测试验证了模型的有效性.结合折叠自行车的设计进行研究,结果表明,该方法是正确可行的.     

基于一维卷积神经网络的房颤智能诊断方法研究

针对“大数据”时代如何利用数据对房颤进行智能、高效的诊断问题,提出了基于一维卷积神经网络的智能诊断方法,以避免传统算法依赖人工特征提取和先验知识的问题。首先,分别构建一维LeNet-5和AlexNet神经网络模型,合理设置网络结构参数;然后,在采集的实验数据基础上针对心电信号的特点进行一系列的数据处理,随机构建训练样本和测试样本;最后,将训练样本分别输入上述2个神经网络模型中训练学习,再将训练好的模型用于房颤的诊断。实验结果表明:一维LeNet-5网络模型存在“过拟合”现象,而一维AlexNet网络模型在避免了上述现象的同时,诊断精度达到了95.34%,较传统方法有了较大提升,为房颤诊断提供了有效的手段。