海南大学学报(自然科学版)
海南大學學報(自然科學版)
해남대학학보(자연과학판)
NATURAL SCIENCE JOURNAL OF HAINAN UNIVERSITY
2010年
3期
241-247
,共7页
点模型简化%粒子群算法%特征保持%k-均值聚类算法
點模型簡化%粒子群算法%特徵保持%k-均值聚類算法
점모형간화%입자군산법%특정보지%k-균치취류산법
为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化. 同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.
為瞭有效地簡化稠密採樣點模型,提齣瞭一種基于粒子群優化聚類算法的點模型簡化方法.引入瞭具有彊大全跼尋優能力的粒子群優化算法,對傳統的k-均值聚類算法進行改進,基于改進的聚類算法對點模型進行簡化,選取具有最優箇體適應度函數的粒子作為原始採樣點集的最終簡化模型.算法聚類依據採樣點的空間位置、法嚮和麯率的鄰近性,實現瞭點模型錶麵區域幾何特徵保持的簡化. 同時在聚類區域的劃分中攷慮瞭麯率閾值和區域半徑,使得算法在有效地保持特徵邊界和麯麵細節的同時,能夠生成高質量的簡化麯麵.實驗結果錶明,粒子群優化的k-均值聚類算法剋服瞭傳統聚類算法容易陷入跼部極小的缺點,具有更好的全跼收斂性和較快的收斂速度.該簡化方法在有效簡化點模型的同時,很好地保持瞭原始模型的幾何形狀,且在相同簡化效率下能夠生成更高質量的簡化麯麵.
위료유효지간화주밀채양점모형,제출료일충기우입자군우화취류산법적점모형간화방법.인입료구유강대전국심우능력적입자군우화산법,대전통적k-균치취류산법진행개진,기우개진적취류산법대점모형진행간화,선취구유최우개체괄응도함수적입자작위원시채양점집적최종간화모형.산법취류의거채양점적공간위치、법향화곡솔적린근성,실현료점모형표면구역궤하특정보지적간화. 동시재취류구역적화분중고필료곡솔역치화구역반경,사득산법재유효지보지특정변계화곡면세절적동시,능구생성고질량적간화곡면.실험결과표명,입자군우화적k-균치취류산법극복료전통취류산법용역함입국부겁소적결점,구유경호적전국수렴성화교쾌적수렴속도.해간화방법재유효간화점모형적동시,흔호지보지료원시모형적궤하형상,차재상동간화효솔하능구생성경고질량적간화곡면.