CAJ | 학술논문

针对单个神经网络难以对复杂的三维模型特征空间有足够的优化能力和泛化能力的问题,用Boosting方法变种和基于粒子群训练的RBF神经网络,形成特征空间对应的多个神经网络,然后将神经网络集成,给出三维模型的分类信息.在三维模型检索时,将神经网络集成输出的分类信息和特征空间上的距离信息进行加权计算,得到三维模型之间的相似度.实验结果表明,基于RBF神经网络集成的分类方法能有效提高三维模型的分类准确率；同时,考虑特征空间上模型间的距离和语义分类层次上模型间的距离,能够大大提高三维模型的检索精度.
침대단개신경망락난이대복잡적삼유모형특정공간유족구적우화능력화범화능력적문제,용Boosting방법변충화기우입자군훈련적RBF신경망락,형성특정공간대응적다개신경망락,연후장신경망락집성,급출삼유모형적분류신식.재삼유모형검색시,장신경망락집성수출적분류신식화특정공간상적거리신식진행가권계산,득도삼유모형지간적상사도.실험결과표명,기우RBF신경망락집성적분류방법능유효제고삼유모형적분류준학솔；동시,고필특정공간상모형간적거리화어의분류층차상모형간적거리,능구대대제고삼유모형적검색정도.