机械设计与研究

机械设计与研究 ›› 2011, Vol. 27 ›› Issue (01): 10-12.doi: 10.13952/j.cnki.jofmdr.a2585

• 论文 • 上一篇    下一篇

逼近散乱数据的矩形网格边缘误差的减小研究

张伟;曾立;赵明岩;   

  1. 中国计量学院机电工程学院;浙江大学城市学院工程学院;
  • 发布日期:2020-07-26

  • Published:2020-07-26

摘要： 基于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,生成期望疏密程度和精度的双有序点列,但该模型存在边缘误差。为减小矩形网格的边缘误差,改进了矩形网格模型的训练模式,提出了3步训练模式。第1步采用整个测量点集,对矩形网格模型中的所有神经元进行整体训练;第2步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;第3步采用边界点集中的角点点集,对矩形网格模型中的网格边界角点神经元进行训练。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提高并覆盖数据点集整体分布范围。

关键词: 逆向工程, 矩形网格, 神经网络, 边缘误差, 散乱数据

Key words: reverse engineering, rectangular mesh, neural network, boundary error, scattered data