基于SOM的散乱数据点集的B样条曲面重建

摘要：

利用自组织映射神经网络(SOM)技术对散乱数据点集进行B样条曲面重建时,往往存在网络学习时间过长和学习效果不理想等问题.提出了一种新的神经元初始化方法和分块学习算法,该算法首先运用主元素分析方法(PCA)对散乱数据进行分块,将拓扑结构为四边形的输出层神经元初始化在每块散乱数据的最小二乘平面上进行网络学习和训练,将分块学习得到的各网格曲面拼接成一个整体;然后对该整体网格曲面的边界和内部单独学习,得到一张逼近待重建曲面的双线性B样条曲面;最后对该B样条曲面误差进行了修正.实例证明,该算法可以明显地减少SOM网络学习时间,并改善网络学习效果.

关键词：逆向工程、曲面重建、自组织映射神经网络(SOM)、数据分块

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金50475041;霍英东教育基金03-915053;航空基础科学基金03H52059

在线出版日期：2007-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：349-355