基于PCA法向量计算和投影法的圆锥拟合

针对规则曲面特征重构中圆锥曲面重构拟合的问题,提出了一种基于PCA法向量计算和投影法的圆锥拟合方法。为了实现锥面的参数化重构,首先以距离函数的逼近函数模型作为目标函数,确定待计算的锥面拟合参数,然后求解锥面参数初值。计算参数初值时,通过PCA主成分分析法计算点云法向量,生成轴线后采用投影法计算底面圆心,再求解锥面其他参数初值,最后结合Levenberg-Marquardt法迭代重构圆锥面。通过分析锥面散乱点云,使用该方法得到的参数初值进行迭代,迭代次数7次,迭代最终平均误差为1.8804e-04。该方法在散乱点云中应用良好,降低了稀疏数据对初值的影响,改善了迭代初值造成的迭代不收敛性,进而求得更加精确的圆锥参数。     

基于点表示的曲面曲率计算方法

提出两种方法直接在点集模型上计算曲面的局部微分性质，包括平均曲率、高斯曲率、主曲率和主方向．第一种方法利用voronoi元和有限元，将曲率公式离散．再进行计算；第二种方法利用移动最小二秉法(MLS)，构造局部参数曲面来逼近原始曲面，以局部参数曲面的曲率来近似点集模型的曲率．试验表明这两种方法可以在较小的误差范围内表示曲面的曲率．最后对这两种方法进行了比较，给出了各自的适用场合．     

基于法向量投票的点云配准方法

针对多平面结构的物体,传统的点特征点云配准方法存在鲁棒性差、易收敛到局部最优解等问题,提出了一种基于法向量投票的点云配准方法。用平面特征代替点特征作为配准基元,建立基于平面的坐标转换模型。首先构建kd-tree,计算各点的法向量,并将法向量转换到霍夫空间进行投票,提取平面特征;然后将单位四元数作为特征描述算子,以同名平面特征作为约束条件,根据最小二乘平差原则,求解点云之间的位姿变换关系。实验结果表明：相较于其他两种方法,提出方法对初始位置没有依赖性,在配准过程中可以有效避免局部最小陷阱,并且配准精度得到了提高。     

基于核的偏最小二乘特征提取的最小二乘支持向量机回归方法

提出了用核的偏最小二乘进行特征提取．首先把初始输入映射到高维特征空间，然后在高维特征空间中计算得分向量，降低样本的维数，再用最小二乘支持向量机进行回归．通过实验表明，这种方法得到的效果优于没有特征提取的回归．同时与PLS提取特征相比，KPLS分析效果更好．     

基于点的计算机图形学研究与进展

基于点的图形学是计算机图形学中一个新的研究领域,它为解决大量三维采样数据的快速绘制处理提供了一条新的途径.从点模型数字几何处理流程出发,详细分析了点模型数字几何处理流程各阶段新的进展,并对相应的     

基于偏最小二乘法与支持向量机的人脸识别

该文认为在人脸识别中,偏最小二乘回归方法作为一种新的降维方法,在处理小样本问题时具有明显优势,而主元分析方法作为一种传统的降维方法在选择分量时没有考虑类信息,因而有可能忽略掉重要的分类信息。支持向量机（SVM）模式识别方法具备良好的分类性能和鲁棒性。该文提出了一种基于偏最小二乘与支持向量机的人脸识别方法。利用偏最小二乘回归分析对人脸图像进行降维和特征提取,再利用支持向量机对特征向量进行分类识别。ORL人脸库的仿真结果证明偏最小二乘回归方法比主元分析方法更有效。     

基于支持向量机的电流互感器零点误差非线性校正

为了提高电流互感器自动测试系统的测量精度,提出一种非线性的电流互感器零点误差校正算法(QPSO-LSSVM);采用量子粒子群优化的最小二乘支持向量机算法对电流互感器的零点误差进行自适应处理,消除零点误差对测量精度的影响;结果表明,QP-SO-LSSVM算法有效的抑制零点误差,提高电流互感器自动测试系统的测量精度;QPSO-LSSVM是一种有效的电流互感器零点误差非线性校正方法。     

基于无约束优化的最小二乘支撑向量机

为了解决最小二乘支撑向量机（LSSVM）优化问题需要耗费大量时间的问题,提出了利用牛顿优化法来解决LSSVM优化问题的方法（称为Newton-LSSVM）。首先把LSSVM优化问题转化为无约束化优化问题的形式,然后再采用牛顿优化法来迭代求解。实验结果表明,该方法在大幅度减少LSSVM算法的训练时间开销的同时,能够获得与采用传统优化方式求解LSSVM优化问题一样的泛化能力。     

基于滚动窗法最小二乘支持向量机的稳健预测模型

在推导加权最小二乘支持向量机数学模型的基础上,基于启发式学习算法并结合滚动窗的思想,提出基于滚动窗法最小二乘支持向量机的稳健预测模型,为了缩短模型的预测运行时间,将启发式算法进行改进后,采用迭代求逆方法,在不丧失预测精度的基础上,很大程度地缩短预测时间,最后通过仿真实例验证这个模型可以成功抑制奇异点,实现稳健预测并取得良好效果.     

基于人工免疫算法的最小二乘支持向量机参数优化算法*

针对最小二乘支持向量机（LSSVM）处理大数据集时确定最优模型参数耗时长、占内存大的问题,提出了一种基于人工免疫算法的参数寻优方法。通过分析LSSVM模型参数对分类准确率的影响发现,存在多种参数组合,使得分类准确率相同;当其中一个参数固定,另外一个参数在某些范围内变化取值时,它们的组合并不影响分类的准确率。将LSSVM模型参数作为抗体的基因设计了抗体的编码方案,利用人工免疫算法对LSSVM参数优化搜索。仿真结果表明,与使用交叉验证和网格搜索方法相比,提出的LSSVM参数优化算法在不降低分类准确率的前提下,寻优效率大大提高。     

基于点的POMDPs在线值迭代算法

部分可观察马尔可夫决策过程(partially observable Markov decision processes,简称POMDPs)是动态不确定环境下序贯决策的理想模型,但是现有离线算法陷入信念状态“维数灾”和“历史灾”问题,而现有在线算法无法同时满足低误差与高实时性的要求,造成理想的POMDPs模型无法在实际工程中得到应用.对此,提出一种基于点的POMDPs在线值迭代算法(point-based online value iteration,简称PBOVI).该算法在给定的可达信念状态点上进行更新操作,避免对整个信念状态空间单纯体进行求解,加速问题求解;采用分支界限裁剪方法对信念状态与或树进行在线裁剪;提出信念状态结点重用思想,重用上一时刻已求解出的信念状态点,避免重复计算.实验结果表明,该算法具有较低误差率、较快收敛性,满足系统实时性的要求.     

用旋转矢量法实现任意三维剖面

在三维可视化应用中,实现三维空间模型的剖切几乎是每个三维可视化系统或软件的重要组成部分。而在剖切的过程中,重要的一个环节就是如何实现三维空间中的任意剖面。提出了一种旋转平面法矢量的方法,通过对平面的法矢量进行旋转来实现三维可视化中的任意剖面。     

基于法矢比率的B样条曲线光顺

论文提出了一种新的基于曲线法矢比率分析的B样条曲线先顺方法。一条曲线一般由若干凹凸分段顺序相连组成。设计人员按设计意图对各曲线段指定其上各点处的目标法矢分量比率图,比较目标法矢分量比率图与实际法矢分量比率图,即可判断出各曲线段的光顺性。对光顺性较差的曲线段,通过最小二乘逼近优化过程调整其控制顶点,从而达到光顺目的。该优化过程的目标函数兼顾光顺性及光顺前后曲线的偏差,可通过调节相应参数来达到设计要求。实例表明,该文方法灵活方便,可行有效,为曲线光顺问题的解决提供了一种新的选择。     

基于法矢比率的样条曲线光顺

论文提出了一种新的基于曲线法矢比率分析的B样条曲线光顺方法。一条曲线一般由若干凹凸分段顺序相连组成。设计人员按设计意图对各曲线段指定其上各点处的目标法矢分量比率图,比较目标法矢分量比率图与实际法矢分量比率图,即可判断出各曲线段的光顺性。对光顺性较差的曲线段,通过最小二乘逼近优化过程调整其控制顶点,从而达到光顺目的。该优化过程的目标函数兼顾光顺性及光顺前后曲线的偏差,可通过调节相应参数来达到设计要求。实例表明,该文方法灵活方便,可行有效,为曲线光顺问题的解决提供了一种新的选择。     

一种基于法矢修正的散乱点云数据平滑处理算法

在分析现有滤波方法局限性的基础上,提出了一种基于测量点法矢修正的散乱点云数据平滑处理方法,通过对特征区域和非特征区域采用不同的法矢修正方法,使光顺后的点云不但达到了非常光滑的效果,而且保持了点云的形状和特征。大量实例验证了该算法的可行性。     

基于空间向量模型的用户建模算法改进

建模算法属于个性化搜索引擎的范畴，而空间向量建模是表示页面特征和用户兴趣的方法之一。建模的效率的好坏直接影响到个性化搜索的准确性。文章在基于统计学的基础上对特征词频率计算的作出了适当的调整，通过引入非线性函数使得特征词的权重非线性增加，更加反应了词语的频率的真实性。建模算法的改进更加考虑了特征词的所在的位置，提高用户兴趣向量的准确性，改进了计算页面特征向量和用户兴趣向量的相关性，从而提高了个性化兴趣度的准确性，使个性化搜化更加符合用户的兴趣。     

面向多跳WSNs的基于LSSVR的节点定位算法

多跳无线传感网络WSNs(Wireless Sensor Networks)中的多类应用均需要准确的位置信息.为此,提出面向多跳WSNs的基于最小二乘支持向量回归机定位算法 LSSVR-LA(Least-Squares Support Vector Regression location algorithm).LSSVR-LA算法先引用转发区域概念,并通过转发区域建立测距模型,然后再利用Secant 算法估计传感节点与锚节点间距离,最后将这些距离作为LSSVR输入,建立了基于LSSVR定位算法模型.最终,估计未知节点的位置.实验数据表明,提出的LSSVR-LA算法的定位精度得到有效地提高.     

基于面法向量谱变换的网格光顺算法

微分坐标是刻画网格模型几何细节特征的有力工具,面法向量作为网格模型的一阶微分量,计算简单、不易受噪声影响,能真实反映网格模型的细节特征。基于此,提出一种改进的网格光顺去噪算法,使用信号处理技术中的谱网格处理方法,通过分解面法向量的拉普拉斯矩阵,将网格模型的面法向量变换到频谱域中,利用低频滤波器去除高频噪声得到连续的面法向量信号,基于三角面片重心约束条件重建网格顶点坐标,得到光顺的网格模型。实验结果表明,该算法使用的面法向量不易受到噪声影响,比顶点法向量更鲁棒,大幅提高了谱分解的效率,并且能克服光顺过程中产生的体积收缩、变形和过光滑等现象。     

单位法向量引导的自适应医学图像分割新算法

水平集方法已经广泛应用于图像分割,ChunmingLi等人早期的模型通过在能量方程中引入惩罚项可以避免重新初始化。但惩罚项中的函数会引起扩散率趋于无穷大的问题,因此ChumningLi等人通过改进惩罚项中的函数,解决了扩散率的问题。针对新模型采用高斯滤波去除图像噪声使图像边缘变模糊的问题,采用正则化的P-M方程滤波,去除噪声的同时保护图像边缘信息。同时,新模型仍然不能实现自适应分割。通过初始曲线内外梯度模值的信息改变曲线内法向量的方向,从而使曲线自适应地向内或者向外演化。最后,用改进的算法准确地提取出了医学图像的轮廓,算法的效率也有很大的提高。     

凸多面体的快速形态和算法

在研究传统形态算法的基础上,将凸多面体的形态和算法简化为面与面的形态和,结合三维物体的法矢球模型,引入参考平面的概念.参考平面将三维空间的凸多边形分解成两部分,分别计算对应的两部分的形态和,并去掉重复边和面.提出一种凸多面体的快速形态算法,与传统方法相比,该方法简单、直观,算法效率可提高6～10倍.实验证明,该方法是可行的、有效的.