算法改进的自组织神经网络曲面重构

为提高神经网络法三角网格曲面重构的效率，提出自组织神经网络算法与模糊聚类算法相结合的改进算法．应用改进算法对大规模散乱点云曲面及花瓶实例进行了网络训练及三角网格重建，在初次网络训练收敛后，加入模糊聚类计算模块，由模糊聚类算法中隶属度计算来确定输入样本是否可用．与自组织神经网络算法训练特性进行了比较，结果表明：改进后算法避免了以往算法的重复循环，减少了计算量，加快了网络训练收敛速度和三角网格曲面重构的速度，仿真重构结果表明：改进后的自组织神经网络算法可实现不同疏密程度的三角网格曲面重建，并可在保持原数据特征的前提下实现数据精简，较通常算法收敛速度快