基于RBF神经网络集成的三维模型分类和检索

• 作者: 方亚萍 王羡慧 陈俊英
• 来源期刊: 图学学报
• 学科: 工学
• 关键词: 三维模型分类 三维模型检索 语义检索 RBF神经网络集成
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 图形学与可视化
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP391.3
• 字数: 4107字
• 语种: 中文

摘要

针对单个神经网络难以对复杂的三维模型特征空间有足够的优化能力和泛化能力的问题,用Boosting方法变种和基于粒子群训练的RBF神经网络,形成特征空间对应的多个神经网络,然后将神经网络集成,给出三维模型的分类信息.在三维模型检索时,将神经网络集成输出的分类信息和特征空间上的距离信息进行加权计算,得到三维模型之间的相似度.实验结果表明,基于RBF神经网络集成的分类方法能有效提高三维模型的分类准确率；同时,考虑特征空间上模型间的距离和语义分类层次上模型间的距离,能够大大提高三维模型的检索精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈俊英	西安建筑科技大学信息与控制工程学院	5	22	3.0	4.0
2	王羡慧	新疆大学信息科学与工程学院	10	57	4.0	7.0
3	方亚萍		1	8	1.0	1.0