基于经纬网格的点云孔洞填补算法

为解决三维点云数据存在复杂的点云孔洞、对后续处理造成影响的问题,提出一种基于经纬网格的点云修补算法。首先将点云的三维坐标转换到球坐标系,形成三维球体,并对球体进行经纬网格的区域划分;然后找出每一个网格区域对应的点云三维坐标点,并求出点的密度;最后,利用密度较小区域邻近区域的点进行样条插值,来填补孔洞,实验证明了该算法的稳健性,恢复复杂物体的表面信息效果较好。     

最小二乘支持向量机的点云数据孔洞修补算法

为了获得理想的点云数据孔洞修补结果, 针对当前算法存在的缺陷, 提出一种基于最小二乘支持向量机(LSSVM)的点云数据孔洞修补算法. 首先根据散乱点云边界估计孔洞修补范围, 然后根据孔洞及周围点的信息, 采用最小二乘支持向量机建立一个曲面, 并对曲面点云数据的孔洞进行修补, 最后采用C++语言编程实现仿真实验. 实验结果表明, 最小二乘支持向量机能有效修补各种复杂的孔洞, 且修补效果优于其他算法.     

用径向基函数隐式拟合点云数据

提出一种新方法拟合散乱点云数据.拟合曲面由一个三变量模型的零水平集定义,该三变量模型是基于径向基函数散乱数据的一个隐式最小二乘拟合.数值实验结果表明,新方法比基于径向基函数的插值曲面方法快,并且容易实现.     

三维激光点云数据精简算法

分析了多种三维激光点云数据精简算法的工作原理,以及它们在缩减数据量以提高算法的处理速度方面的效果,综述了三维激光点云数据精简算法的国内外研究现状.     

基于RBF神经网络的图像特征处理

径向基函数网络(RBFN)是当前人工神经网络技术研究的热点之一,并以其优良的性能广泛应用于各个领域。针对BP神经网络容易陷入局部最优的缺陷,文章提出用RBF神经网络进行图像特征提取,并给出了RBF神经网络构建过程及选Gauss函数为径向基函数的优势,最后设计并完成实验。模拟实验结果表明了训练好的RBF网络对边缘特征提取的有效性,也证实了选择良好的高斯函数宽度,可以得到较优的网络。     

基于激光点云数据的三维建模技术研究

利用激光扫描仪获取的点云数据构建实体三维几何模型时,针对不同的应用对象、不同点云数据的特性,激光扫描点云数据建模的过程和方法也不尽相同。概括地讲,整个点云数据建模过程包括数据预处理和模型重建。数据预处理为模型重建提供可靠精确的点云数据,降低模型重建的复杂度,提高模型重构的精确度和速度。该文提出的方法能够很好的为快速三维建模进行服务,尤其是比较关注街道两侧信息的三维获取,这将大大减少人工三维数据获取及其建模的工作量,将有很好的应用前景。     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

基于RBF神经网络的地理时空信息预测推理方法

本文在深入分析地理实体时空特征的基础上,对地理实体进行抽象和标准化处理,提出一种针对特征复杂地理实体的地理信息预测推理方法。该方法重点研究了基于RBF网络学习方法的地理实体时空信息预测推理的理论、模型方法和具体过程,通过对地理实体对象化抽象描述和标准化处理,建立时空信息融合的超曲面,并利用RBF神经网络超强的非线性拟合能力,构建了复杂地理实体的时间、空间和属性信息的一体化预测和推理模型,并以桂林漓江阳朔段流域水质中溶解氧(DO)的含量的预测推理验证该方法的可行性,为时空数据处理过程中智慧决策和推理分析提供了有效途径。     

基于特征增强的三维网格模型孔洞修补算法

对物体进行扫描时,获取的三角网格模型不可避免存在孔洞,导致重建后的网格模型无封闭性,或在孔洞处失去了物体原有的特征[1].为了恢复物体原有真实形状,从恢复尖锐特征的角度出发,提出一种特征增强的三维网格孔洞修补算法.首先,利用径向基函数获得近似逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配原则对隐式曲面进行三角网格划分,缝合孔洞填充区域与原始网格模型的孔洞边界.最后,对于孔洞区域中存在的尖锐特征区域加以特征增强处理.实验结果表明该算法效率高,并能有效的恢复孔洞区域原有的尖锐特征.     

基于改进ICP算法的三维点云刚体配准方法

针对含有噪声和外点的三维点云刚体配准问题,由于迭代最近点(iterative closest point, ICP)算法的配准精度较低,为此,该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强,首先,建立了基于伪Huber损失函数的三维点云刚体配准模型。其次,利用RGB-D点云数据中颜色信息辅助建立点云对应关系,以提高改进ICP算法中对应点匹配的准确性。最后,结合奇异值分解(singular value decomposition, SVD)和Levenberg-Marquardt(LM)的优化算法对三维点云刚体配准模型进行优化求解。实验结果表明,该文所提三维点云刚体配准方法的配准精度高,能够有效抑制噪声和外点对配准精度的影响。     

基于RBF神经网络的Web分类挖掘研究

根据Web文档分类与人工神经网络理论，设计了一个Web分类挖掘系统。针对BP网络分类器的不足，提出了用径向基函数神经网络对Web页面中的文本信息进行分类的方法。实验初步证明，用径向基函数进行分类比BP算法构造的神经网络更具准确性，有效地提高了分类的正确率。     

基于RBF神经网络的旋风器阻力系数预测模型

旋风器阻力系数是随旋风器结构参数变化的复杂函数，根据阻力系数与结构因素之间的映射关系建立了基于径向基函数(RBF)神经网络预测模型，并将其用于切流反转式旋风器阻力系数的预测并与常用的BP神经网络模型比较。结果表明，该模型收敛速度快。预测误差小，预测结果与实测结果较为符合。     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。     

三维激光扫描点云数据预处理技术研究

近年来,三维激光扫描技术在医学、工业、土木工程领域有着广泛的应用前景,三维激光扫描点云数据预处理技术也成为研究的热点。本文主要从云去噪与平滑、点云配准和点云精简三个重要环节讨论了点云数据的预处理技术过程。     

云模型优化径向基函数神经网络算法研究

径向基函数(RBF)神经网络广泛用于各类医学预测模型中,针对RBF神经网络隐含层高斯径向基函数的参数确定困难,影响癌症预后模型的因素具有多样性和模糊性等问题。利用云模型优化RBF神经网络算法,通过高维云变换确定RBF隐含层神经元,优化RBF神经网络结构。用来自美国国家癌症研究所监测、流行病学和最终结果(SEER)数据库的4 771例食管鳞状细胞癌患者数据建模仿真与传统的仿真对比,证明该模型预测生存期的C-index为0.705,远高于肿瘤等级、列线图和RBF神经网络(0.598、0.627和0.632),能更好更准确地对食管鳞状细胞癌患者进行预后预测。     

基于RBF神经网络的高层建筑火灾风险评价

火灾风险评价是减小和控制高层建筑火灾的重要前提,本文设计了应用于高层建筑火灾风险评价的径向基函数网络模型,介绍了其学习算法,并用此模型对高层建筑火灾风险评价进行实例分析,通过对实验仿真结果与实际结果的比较分析,表明径向基函数网络模型在高层建筑火灾风险评价的可行性,为高层建筑火灾风险评价方法的研究提供一种新的尝试,为减小和控制高层建筑火灾的发生在理论上、方法上提供有益的指导。     

基于RBF神经网络的射频功放器件大信号建模方法研究

基于多层前向神经网络对任意非线性连续函数有较好的逼近效果，对BP(反向传播算法)神经网络和RBF(径向基函数)神经网络作了理论上的分析比较。并采用实际数据进行训练。说明了RBF神经网络在逼近精度和速度上都要优于BP神经网络。最后，以RBF神经网络作为函数逼近器对射频功率器件建立了大信号特征模型，并进行了模型检验，证明了基于RBF网络的建模方法具有较高的精度。     

焊接过程的RBF神经网络建模

介绍了RBF神经网络的性能和算法结构 ,建立了RBF神经网络在船舶焊接过程中用于焊接变形预测分析的模型 ,并探讨了其应用和发展趋势     

RBF神经网络及其在液化气生产数据预测中的应用

针对化工生产中响应值测定滞后的问题，应用径向基函数(RBF，Radial Basis Function)神经网络建立生产数据预测数学模型．将该模型用于液化气生产数据预测，处理结果相对误差均小于5％，表明该模型预测效果良好．     

点云数据特征点提取方法的比较

点云特征的提取在城市、地质等领域有非常重要的使用价值。特征点是最基本的几何特性和纹理特征的特征基元,其不会因为坐标系的改变而发生变化。通过用不同的方法提取点云数据中的特征点,可以在减少计算量的前提下,保留点云的几何特征。通过对利用法矢、曲率和体积积分不变量3种不同的特征点提取方法进行比较,并通过Matlab进行特征点提取实验并分析情况,对其优缺点及适用性进行探讨。