基于SOM的散乱数据点集的B样条曲面重建

作     者：王宏涛 张丽艳 李忠文 刘胜兰 周儒荣 WANG Hong-tao;ZHANG Li-yan;LI Zhong-wen;LIU Sheng-lan;ZHOU Ru-rong

作者机构：南京航空航天大学CAD/CAM工程研究中心南京210016 

出 版 物：《中国图象图形学报》 (Journal of Image and Graphics)

年 卷 期：2007年第12卷第2期

页      面：349-355页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(50475041) 霍英东教育基金会第九届高校青年教师基金(03-915053) 航空科学基金项目(03H52059) 

主　　题：逆向工程 曲面重建 自组织映射神经网络(SOM) 数据分块 

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。