基于遺傳退火算法的三維模型相似性計算
發(fā)布時間:2022-01-06 21:31
隨著互聯(lián)網(wǎng)技術(shù)和計算機(jī)圖形學(xué)的發(fā)展,三維模型的應(yīng)用越來越廣泛,如何在海量數(shù)據(jù)庫中快速準(zhǔn)確檢索出用戶所需模型成為當(dāng)今模型檢索領(lǐng)域的難點(diǎn)與熱點(diǎn)。針對以上模型檢索的問題,本文研究了基于貪心算法、模擬退火算法和遺傳退火算法的CAD模型相似性計算方法。通過對比貪心算法、模擬退火算法和遺傳退火算法的實(shí)驗(yàn)數(shù)據(jù),得出遺傳退火算法能夠更有效地評估兩個模型之間相似程度。本文主要研究內(nèi)容可分為以下幾個部分:首先,簡要地介紹了國內(nèi)外模型相似性計算方法的研究現(xiàn)狀、三維模型的特征提取方式以及表示方法,列舉了目前CAD模型的特征提取方式和檢索方法。總結(jié)了目前CAD模型相似性計算面臨的問題并討論了相關(guān)的解決方法。其次,詳細(xì)介紹了本文所用的模型相似性計算方法。利用模型面的邊數(shù)差異來計算源模型面與目標(biāo)模型面之間的形狀相似性。結(jié)合面的形狀相似性和面的鄰接關(guān)系來計算面的結(jié)構(gòu)相似性。以面的形狀相似性和結(jié)構(gòu)相似性為基礎(chǔ),構(gòu)造兩個模型的整體相似度矩陣。利用尋優(yōu)算法對該矩陣進(jìn)行搜索,得到兩個模型之間的最優(yōu)面匹配序列。以最優(yōu)面匹配序列為基礎(chǔ),計算兩個模型的整體相似性。最后,分析了貪心算法、模擬退火算法和遺傳算法的原理。詳細(xì)介紹了模擬退...
【文章來源】:哈爾濱理工大學(xué)黑龍江省
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究的背景和意義
1.2 CAD模型相似性計算的研究狀況
1.2.1 課題來源
1.2.2 課題的主要研究內(nèi)容
1.3 本文的組織結(jié)構(gòu)
第2章 三維模型處理方法的研究
2.1 三維模型的表示
2.2 三維模型的特征提取
2.3 三維模型的處理
2.4 模型相似性計算面臨的問題及解決辦法
2.5 本章小結(jié)
第3章 模型面相似性計算
3.1 模型相似性
3.2 源模型面與目標(biāo)模型面的形狀相似性
3.3 源模型面與目標(biāo)模型面的結(jié)構(gòu)相似性
3.3.1 模型面的鄰域結(jié)構(gòu)
3.3.2 面結(jié)構(gòu)相似性計算
3.4 本章小結(jié)
第4章 基于貪心算法和模擬退火算法的相似性計算
4.1 貪心算法
4.1.1 貪心算法概述
4.1.2 貪心面匹配算法描述
4.1.3 貪心算法實(shí)驗(yàn)內(nèi)容
4.2 模擬退火算法
4.2.1 模擬退火算法概述
4.2.2 模擬退火面匹配算法描述
4.2.3 模擬退火算法實(shí)驗(yàn)內(nèi)容
4.2.4 貪心算法和模擬退火算法對比
4.3 本章小結(jié)
第5章 基于遺傳退火算法的相似性計算
5.1 遺傳算法
5.1.1 遺傳算法的基本思想
5.1.2 遺傳算法描述
5.2 遺傳退火算法
5.2.1 遺傳退火算法概述
5.2.2 遺傳退火面匹配算法描述
5.2.3 遺傳退火算法實(shí)驗(yàn)內(nèi)容
5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝
【參考文獻(xiàn)】:
期刊論文
[1]基于深度學(xué)習(xí)的三維形狀特征提取方法[J]. 周燕,曾凡智,吳臣,羅粵,劉紫琴. 計算機(jī)科學(xué). 2019(09)
[2]融合制造語義的三維工序模型序列重用方法[J]. 喬虎,何俊,師治全,向穎. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2019(08)
[3]基于多特征融合的三維模型檢索[J]. 張藝琨,唐雁,陳強(qiáng). 鄭州大學(xué)學(xué)報(工學(xué)版). 2019(01)
[4]基于投影圖像SURF特征提取的三維模型配準(zhǔn)[J]. 童立靖,劉博文. 圖學(xué)學(xué)報. 2018(06)
[5]基于三維小波變換的農(nóng)機(jī)CAD模型特征提取與評價方法[J]. 劉洪豪,趙秀艷,張開興,宋正河,劉賢喜. 農(nóng)業(yè)機(jī)械學(xué)報. 2018(S1)
[6]融合信息熵和CNN的基于手繪的三維模型檢索[J]. 劉玉杰,宋陽,李宗民,李華. 圖學(xué)學(xué)報. 2018(04)
[7]一種非剛性三維模型的尺度不變局部特征提取方法[J]. 曾慧,劉文麗,于海鵬,劉冀偉. 北京理工大學(xué)學(xué)報. 2018(06)
[8]關(guān)聯(lián)工藝引導(dǎo)的型腔類零件局部結(jié)構(gòu)檢索方法[J]. 黃瑞,蔣俊鋒,張樹生. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2018(04)
[9]基于多模態(tài)信息的三維模型檢索算法[J]. 劉楠楠,王洪濤,郭洪斌,安陽,許磊. 南開大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[10]基于數(shù)據(jù)集分割的云工作流模型庫并行檢索方法[J]. 黃華,彭蓉,馮在文. 軟件學(xué)報. 2018(11)
本文編號:3573204
【文章來源】:哈爾濱理工大學(xué)黑龍江省
【文章頁數(shù)】:64 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 課題研究的背景和意義
1.2 CAD模型相似性計算的研究狀況
1.2.1 課題來源
1.2.2 課題的主要研究內(nèi)容
1.3 本文的組織結(jié)構(gòu)
第2章 三維模型處理方法的研究
2.1 三維模型的表示
2.2 三維模型的特征提取
2.3 三維模型的處理
2.4 模型相似性計算面臨的問題及解決辦法
2.5 本章小結(jié)
第3章 模型面相似性計算
3.1 模型相似性
3.2 源模型面與目標(biāo)模型面的形狀相似性
3.3 源模型面與目標(biāo)模型面的結(jié)構(gòu)相似性
3.3.1 模型面的鄰域結(jié)構(gòu)
3.3.2 面結(jié)構(gòu)相似性計算
3.4 本章小結(jié)
第4章 基于貪心算法和模擬退火算法的相似性計算
4.1 貪心算法
4.1.1 貪心算法概述
4.1.2 貪心面匹配算法描述
4.1.3 貪心算法實(shí)驗(yàn)內(nèi)容
4.2 模擬退火算法
4.2.1 模擬退火算法概述
4.2.2 模擬退火面匹配算法描述
4.2.3 模擬退火算法實(shí)驗(yàn)內(nèi)容
4.2.4 貪心算法和模擬退火算法對比
4.3 本章小結(jié)
第5章 基于遺傳退火算法的相似性計算
5.1 遺傳算法
5.1.1 遺傳算法的基本思想
5.1.2 遺傳算法描述
5.2 遺傳退火算法
5.2.1 遺傳退火算法概述
5.2.2 遺傳退火面匹配算法描述
5.2.3 遺傳退火算法實(shí)驗(yàn)內(nèi)容
5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間所發(fā)表的學(xué)術(shù)論文
致謝
【參考文獻(xiàn)】:
期刊論文
[1]基于深度學(xué)習(xí)的三維形狀特征提取方法[J]. 周燕,曾凡智,吳臣,羅粵,劉紫琴. 計算機(jī)科學(xué). 2019(09)
[2]融合制造語義的三維工序模型序列重用方法[J]. 喬虎,何俊,師治全,向穎. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2019(08)
[3]基于多特征融合的三維模型檢索[J]. 張藝琨,唐雁,陳強(qiáng). 鄭州大學(xué)學(xué)報(工學(xué)版). 2019(01)
[4]基于投影圖像SURF特征提取的三維模型配準(zhǔn)[J]. 童立靖,劉博文. 圖學(xué)學(xué)報. 2018(06)
[5]基于三維小波變換的農(nóng)機(jī)CAD模型特征提取與評價方法[J]. 劉洪豪,趙秀艷,張開興,宋正河,劉賢喜. 農(nóng)業(yè)機(jī)械學(xué)報. 2018(S1)
[6]融合信息熵和CNN的基于手繪的三維模型檢索[J]. 劉玉杰,宋陽,李宗民,李華. 圖學(xué)學(xué)報. 2018(04)
[7]一種非剛性三維模型的尺度不變局部特征提取方法[J]. 曾慧,劉文麗,于海鵬,劉冀偉. 北京理工大學(xué)學(xué)報. 2018(06)
[8]關(guān)聯(lián)工藝引導(dǎo)的型腔類零件局部結(jié)構(gòu)檢索方法[J]. 黃瑞,蔣俊鋒,張樹生. 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2018(04)
[9]基于多模態(tài)信息的三維模型檢索算法[J]. 劉楠楠,王洪濤,郭洪斌,安陽,許磊. 南開大學(xué)學(xué)報(自然科學(xué)版). 2017(06)
[10]基于數(shù)據(jù)集分割的云工作流模型庫并行檢索方法[J]. 黃華,彭蓉,馮在文. 軟件學(xué)報. 2018(11)
本文編號:3573204
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3573204.html
最近更新
教材專著