10.3969/j.issn.1003-9775.2016.09.011
动态生长的自组织神经网络点云重建技术
为了提高自组织特征映射网络算法中点云重建技术的质量、收敛速度和表面精度,提出一种动态生长的自组织神经网络算法。首先基于自组织神经网络算法,构造了球体三角网格作为神经网络的映射结构,正确选择拓扑邻域的环数,通过对大量无规则节点进行网络训练和学习达到神经元节点的分裂,改变了网络结构的固定性,并删除不稳定的网格节点;然后对网格进行优化,让神经元节点与输入的离散点保持更加的紧密,得到较好的点云重建结果。与自组织特征映射算法训练特性相比,该算法减少了计算量,提高了网络训练的收敛速度和离散点云重建的表面精度,特别是针对海量点云数据或者含有大量噪声点云数据的重建效果更明显。
自组织特征映射、动态生长、点云重建、收敛速度
28
TP391.41(计算技术、计算机技术)
江苏省科技支撑计划BE2014009-3;国家自然科学基金51205192,51175248
2016-09-13(万方平台首次上网日期,不代表论文的发表时间)
共8页
1489-1496