精确逼近密集散乱点数据的矩形网格

作者：张伟; 陈颖

来源：现代制造工程, 2013, (01): 31-37.

DOI：10.16731/j.cnki.1671-3133.2013.01.013

• 逆向工程
• 矩形网格
• 神经网络
• 逼近误差
• 边缘误差
• 散乱点数据 reverse engineering
• rectangular mesh
• neural network
• approximation error
• boundary error
• scattered data

基于自组织特征映射(Self-Organizing Feature Map,SOFM)神经网络构建的矩形网格模型可以实现密集散乱点数据自组织压缩,生成双有序点列,但该模型存在矩形网格的逼近误差和边缘误差。为减小矩形网格的逼近误差和边缘误差,改进了矩形网格模型的训练模式。首先采用整个测量点集对矩形网格模型中的所有神经元进行整体训练;然后对矩形网格中的网格神经元的位置权重,沿网格顶点法矢方向进行修正;最后采用测量点集中的边界点集,对矩形网格模型中的网格边界神经元进行训练。算例表明,应用该训练模式,可以有效减小矩形网格的边缘误差,矩形网格逼近散乱数据点集的逼近精度得到大幅提高并覆盖散乱数据点集整体分...

• 单位
  中国计量大学