机械科学与技术
機械科學與技術
궤계과학여기술
MECHANICAL SCIENCE AND TECHNOLOGY
2002年
4期
659-661
,共3页
自组织特征映射%神经网络%数据分割
自組織特徵映射%神經網絡%數據分割
자조직특정영사%신경망락%수거분할
点云的区域分割实质上是根据点的局部几何特性的相似性对点进行分类,利用自组织特征映射神经网络(self-organizing feature map, SOFM)可以实现无监督的特征聚类;本文使用SOFM进行反向工程中点云的区域分割,选用数据点的坐标、法向量六维向量作为SOFM的输入,通过改进SOFM的学习算法,加入输入权和距离权,加速了分割的速度和正确性.利用SOFM方法实现点云分割,具有以下优点:不必限定面的类型;用户可以控制分区的个数;可以处理噪音数据.并用实际数据验证了此方法的可行性.
點雲的區域分割實質上是根據點的跼部幾何特性的相似性對點進行分類,利用自組織特徵映射神經網絡(self-organizing feature map, SOFM)可以實現無鑑督的特徵聚類;本文使用SOFM進行反嚮工程中點雲的區域分割,選用數據點的坐標、法嚮量六維嚮量作為SOFM的輸入,通過改進SOFM的學習算法,加入輸入權和距離權,加速瞭分割的速度和正確性.利用SOFM方法實現點雲分割,具有以下優點:不必限定麵的類型;用戶可以控製分區的箇數;可以處理譟音數據.併用實際數據驗證瞭此方法的可行性.
점운적구역분할실질상시근거점적국부궤하특성적상사성대점진행분류,이용자조직특정영사신경망락(self-organizing feature map, SOFM)가이실현무감독적특정취류;본문사용SOFM진행반향공정중점운적구역분할,선용수거점적좌표、법향량륙유향량작위SOFM적수입,통과개진SOFM적학습산법,가입수입권화거리권,가속료분할적속도화정학성.이용SOFM방법실현점운분할,구유이하우점:불필한정면적류형;용호가이공제분구적개수;가이처리조음수거.병용실제수거험증료차방법적가행성.
