论文部分内容阅读
针对三维模型的分类问题，提出了一种适应性加权非对称AdaBoost隐马尔克夫模型（HMM）分类算法．算法中提出了由三维模型表面的绝对法向量表示的两种新特征，将经过归一化和姿态调整的三维模型划分为若干部分，各部分对应HMM的一个状态，对各部分提取特征并用主成分分析（PCA）降维，对模型的4种特征对应的弱分类器使用非对称AdaBoost算法进行boosting．HMM的结构及参数初始值由模型姿势调整的可能形式及观测顺序确定，训练过程中参数用期望最大化方法计算，最后使用加权相似度计算对三维模型分类．分析及试验结