所属单位：信息与控制工程学院

发表刊物：图学学报

关键字：中文关键字：三维模型分类；三维模型检索；语义检索；RBF神经网络集成，英文关键字：3D model classification; 3D model retrieval; seman

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，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。

备注：陈俊英

合写作者：王羡慧,方亚萍

第一作者：陈俊英

论文类型：期刊论文

卷号：卷：34

期号：期：2

页面范围：页：26-30

是否译文：否

发表时间：2013-03-01