基于广义叉积鲁棒性的识别式数据拟合

摘要：

传统的数据拟合不能对数据进行合理分块,还会选用错误的几何元素.因此提出基于广义叉积鲁棒性原理的识别式数据拟合方法.该原理说明,叉矩阵正交时积矢量鲁棒性强.考察一个数据序列是否包含某几何元素,先用其局部数据点顺次提取该元素的特征参数,再构造正交的叉矩阵并将特征矢量序列映射到积矢量空间.该映射既能克服噪声对恒定特征参数的干扰,又能放大错误几何元素的特征参数的变化.若积矢量在一定范围内是恒定的,则可确认相应数据段中的几何元素并对其边界进行精确定位.试验证明了该方法的有效性.该方法可用于逆向工程的曲面重建,或用作模式分类的一般方法.

关键词：广义叉积、模式识别、点云、数据拟合、鲁棒性

所属期刊栏目：47

分类号：O241;O235(计算数学)

资助基金：广西大学科研基金XBZ100770;国家自然科学基金50375119

在线出版日期：2011-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-12