基于拉普拉斯多特征映射的三维模型形状分析
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 特征提取的方法 | 第9-11页 |
| 1.2.2 聚类分割的方法 | 第11-14页 |
| 1.3 本文结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 拉普拉斯特征映射算法及谱分析方法 | 第16-21页 |
| 2.1 拉普拉斯特征映射算法 | 第16-18页 |
| 2.2 谱分析方法 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 拉普拉斯多特征映射分析 | 第21-36页 |
| 3.1 基于测地线距离特征的拉普拉斯矩阵 | 第22-25页 |
| 3.2 基于角距离特征的拉普拉斯矩阵 | 第25-27页 |
| 3.3 基于空间体积的拉普拉斯矩阵 | 第27-30页 |
| 3.4 拉普拉斯多特征映射分析 | 第30-35页 |
| 3.4.1 测地线距离特征的谱分析 | 第30-31页 |
| 3.4.2 角距离特征的谱分析 | 第31-32页 |
| 3.4.3 空间体积特征的谱分析 | 第32-33页 |
| 3.4.4 多特征融合的谱分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于多特征融合的模型自适应聚类分割 | 第36-44页 |
| 4.1 自适应聚类数目的确定 | 第36-41页 |
| 4.1.1 特征值的分布 | 第36-37页 |
| 4.1.2 本征间隙之差 | 第37-39页 |
| 4.1.3 聚类数目K的确定 | 第39-41页 |
| 4.2 自适应的K-means聚类 | 第41-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 实验结果及分析 | 第44-50页 |
| 5.1 性能分析 | 第47页 |
| 5.2 结果对比 | 第47-48页 |
| 5.3 本章小结 | 第48-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55页 |
