论文部分内容阅读
针对基于内容的三维模型自动分类问题, 提出一种密度峰值驱动的三维模型无监督分类算法. 首先利用多种特征描述符分别对每个三维模型提取相应的特征向量; 然后将得到的特征向量运用鲁棒主成分分析去除噪声并降维; 最后通过计算特征向量分布的密度峰值, 并配合决策图, 以直观的方式确定三维模型分类类别数, 最终实现三维模型的无监督分类. 实验结果表明, 与传统算法相比, 该算法具有易于确定分类类别数、准确率高、鲁棒性强等优点.