极限学习机在散乱点云孔洞修补中的应用

• 作者: 张勇 梁亮 王岩辉 王春香
• 来源期刊: 现代制造工程
• 学科: 工学
• 关键词: 极限学习机 PSO-BP 孔洞修补 斗齿
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 逆向工程
• 页码范围: 44-49
• 页数: 6页
• 分类号: TP391
• 字数: 4080字
• 语种: 中文
• DOI: 10.16731/j.cnki.1671-3133.2018.11.008

摘要

针对逆向工程散乱点云模型上大面积孔洞软件修补效果差和运用传统的BP神经网络算法及改进的BP前馈神经网络效率低,提出了一种基于极限学习机(Extreme Learning Machine,ELM)前馈神经网络的孔洞修补算法.以玩具小车车身点云模型为例,将其人为漏洞分为训练数据和预测数据,采用ELM对训练数据进行训练,建立回归模型,并与BP模型和PSO-BP模型进行对比,验证了ELM神经网络的快速性和预测精度高.并以斗齿点云自然孔洞为实验对象,实现了很好的修补效果,具有较好的实用性和参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春香	内蒙古科技大学机械学院	51	288	8.0	15.0
2	张勇	内蒙古科技大学机械学院	39	114	6.0	9.0
3	梁亮	内蒙古科技大学机械学院	9	22	4.0	4.0
4	王岩辉	内蒙古科技大学机械学院	4	15	3.0	3.0