| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-12页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 论文主要工作 | 第10-11页 |
| 1.3 论文结构 | 第11-12页 |
| 第二章 三维模型检索技术概述 | 第12-19页 |
| 2.1 引言 | 第12页 |
| 2.2 工作基础 | 第12-14页 |
| 2.2.1 表示方式 | 第12-13页 |
| 2.2.2 检索评价标准 | 第13-14页 |
| 2.2.3 其他数据库 | 第14页 |
| 2.3 基于模型本身的检索方法 | 第14-16页 |
| 2.3.1 基于局部特征的方法 | 第14-15页 |
| 2.3.2 基于全局特征的方法 | 第15-16页 |
| 2.3.3 组合方法 | 第16页 |
| 2.3.4 规范式的方法 | 第16页 |
| 2.4 基于视图的方法 | 第16-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 统计学习在三维模型检索上的应用 | 第19-29页 |
| 3.1 统计学习简介 | 第19-20页 |
| 3.2 三维模型检索问题与统计学习 | 第20-21页 |
| 3.3 检索流程 | 第21页 |
| 3.4 特征袋方法 | 第21-24页 |
| 3.4.1 K均值算法 | 第22-23页 |
| 3.4.2 高斯混合模型（GMM） | 第23-24页 |
| 3.5 特征降维 | 第24-28页 |
| 3.5.1 线性降维 | 第24-25页 |
| 3.5.2 非线性降维 | 第25-28页 |
| 3.6 本章小结 | 第28-29页 |
| 第四章 基于测地距离与MDS的规范式方法 | 第29-37页 |
| 4.1 规范式定义 | 第29-30页 |
| 4.2 LA-MDS获取规范式 | 第30-32页 |
| 4.3 对比方法 | 第32-34页 |
| 4.4 检索结果对比 | 第34-36页 |
| 4.4.1 时钟匹配和特征袋方法（Clock Matching and Bag-of-Features, CM-Bo F） | 第34-35页 |
| 4.4.2 实验结果对比 | 第35-36页 |
| 4.5 本章小结 | 第36-37页 |
| 第五章 基于局部特征与统计学习的检索技术 | 第37-55页 |
| 5.1 PCA-LGF特征 | 第37-43页 |
| 5.1.1 三维网格转换为均匀点云 | 第38-41页 |
| 5.1.2 PCA对局部区域归一化 | 第41-43页 |
| 5.1.3 局部特征构造 | 第43页 |
| 5.2 LSF特征 | 第43-49页 |
| 5.2.1 方法概述 | 第44页 |
| 5.2.2 三维网格转换为方向点集 | 第44-46页 |
| 5.2.3 局部特征构造 | 第46-49页 |
| 5.3 统计学习应用 | 第49-53页 |
| 5.3.1 数据集 | 第50页 |
| 5.3.2 参数调整 | 第50-53页 |
| 5.4 LSF与PCA-LGF对比 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 附件 | 第63页 |