导读:本文包含了海量散乱点论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:海量,散乱,数据,特征,曲面,切片,算法。
海量散乱点论文文献综述
陆兴华,刘文林,吴宏裕,冯飞龙[1]（2019）在《海量散乱点云数据的模糊聚类挖掘方法研究》一文中研究指出物联网和云计算环境下海量散乱点云数据挖掘容易受到关联规则项的干扰,数据挖掘的模糊聚类不好。为了提高海量散乱点云数据挖掘能力,提出一种基于支持向量机的大数据分类挖掘技术。采用分段向量量化编码技术进行海量散乱点云数据空间存储结构分析,结合闭频繁项集检测方法进行海量散乱点云数据的信息融合处理,对高维融合数据进行语义特征分析和关联规则特征提取,对提取的海量散乱点云数据的关联规则采用支持向量机分类器进行模式识别,结合尺度分解方法对分类输出的海量散乱点云数据进行降维处理,采用模糊聚类方法实现对海量散乱点云数据的分类挖掘。仿真结果表明,采用该方法进行海量散乱点云数据挖掘的聚类性能较好,数据挖掘的精度较高。(本文来源于《计算机技术与发展》期刊2019年11期）
聂乐魁,孙殿柱,薄志成,尹逊刚[2]（2015）在《海量散乱点云out-of-core快速均匀精简算法》一文中研究指出海量散乱点云的精简对其显示及交互性操作具有重要的意义。为快速有效地精简海量散乱点云,改进CR树结点分裂算法,将上溢结点子结点包围盒集转化为包围盒的中心点集,利用CR树与数据库SQLite构建主存-辅存分级存储机制,从而实现海量散乱点云的out-of-core管理,计算CR树目标结点层中每个结点所包含点集的均值点,将距离均值点最近的点作为该点集的精简结果,根据目标结点层的不同实现海量散乱点云不同程度的精简。实验证明,基于分级存储机制的快速均匀精简算法能够快速有效地精简海量散乱点云。(本文来源于《制造业自动化》期刊2015年21期）
方芳,程效军[3]（2013）在《海量散乱点云快速压缩算法》一文中研究指出提出基于切片的海量散乱点云快速压缩方法,对点云进行分层生成切片点云,对每层切片点云使用弦高差法筛选利于表现形状的重要点,实现快速压缩。通过实验讨论参数对压缩结果的影响,并给出最佳参数值选择依据。对本方法和传统方法的压缩效果进行对比,证实本方法在实现高效压缩的同时能保留大量的特征细节。(本文来源于《武汉大学学报(信息科学版)》期刊2013年11期）
张雪飞,萧泽新,何湘艳,周海英[4]（2011）在《基于海量散乱点数据叁维显示新算法的研究》一文中研究指出逆向工程中基于海量散乱点的叁维模型重建,在许多应用中具有重要意义。由于测量系统精度的限制和测量数据无法直接与叁维显示系统相结合,这也成为逆向工程发展的一个瓶颈。对传统的基于多边形网格的生成过程及Bezier插值细化进行了深入的研究,分析了其中的缺点和不足,并在此基础上提出了叁维显示模型构建的新算法,即单层串珠算法、相邻层网格算法和模型润化平滑算法。与传统方法相比,不仅缩短了计算处理时间,而且节约了存储空间,具有较强的普适性与实用性。(本文来源于《光学技术》期刊2011年02期）
周儒荣,张丽艳,苏旭,周来水[5]（2001）在《海量散乱点的曲面重建算法研究》一文中研究指出基于海量散乱点的曲面重建在机械产品测量造型、计算机视觉、根据切片数据的医学图像重建等领域中有重要应用 .给出了一种以物体表面上不附加任何几何和拓扑信息 (包括测点法矢、曲面边界信息 )的散乱点集为处理对象 ,自动生成物体表面的叁角网格模型的算法 .该算法首先根据测点的邻近测点估算曲面在该测点处的法矢 ,并采用优化的顺序对法矢方向进行调整以使各测点处的法矢都指向曲面外侧 ,最后用步进立方体算法输出叁角网格模型 .采用新的方法计算切平面 ,不但进一步提高了效率 ,而且改善了曲面边界及尖锐棱边区域的重建效果 .还提出并解决了法矢方向传播中可能出现的局部“孤岛”问题 .同时 ,提出了一种对海量数据进行空间划分的算法 ,从而大大提高了海量数据的处理效率 .应用实例表明 ,算法效果良好 .(本文来源于《软件学报》期刊2001年02期）
海量散乱点论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
海量散乱点云的精简对其显示及交互性操作具有重要的意义。为快速有效地精简海量散乱点云,改进CR树结点分裂算法,将上溢结点子结点包围盒集转化为包围盒的中心点集,利用CR树与数据库SQLite构建主存-辅存分级存储机制,从而实现海量散乱点云的out-of-core管理,计算CR树目标结点层中每个结点所包含点集的均值点,将距离均值点最近的点作为该点集的精简结果,根据目标结点层的不同实现海量散乱点云不同程度的精简。实验证明,基于分级存储机制的快速均匀精简算法能够快速有效地精简海量散乱点云。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
海量散乱点论文参考文献
[1].陆兴华,刘文林,吴宏裕,冯飞龙.海量散乱点云数据的模糊聚类挖掘方法研究[J].计算机技术与发展.2019
[2].聂乐魁,孙殿柱,薄志成,尹逊刚.海量散乱点云out-of-core快速均匀精简算法[J].制造业自动化.2015
[3].方芳,程效军.海量散乱点云快速压缩算法[J].武汉大学学报(信息科学版).2013
[4].张雪飞,萧泽新,何湘艳,周海英.基于海量散乱点数据叁维显示新算法的研究[J].光学技术.2011
[5].周儒荣,张丽艳,苏旭,周来水.海量散乱点的曲面重建算法研究[J].软件学报.2001
论文知识图
