框架在模型这一层面,利用模型与类别之间的关系,根据模型特征向量在各类别特征子空间上的投影值,计算得到模型属于各类别的概率大小
为了有效地提取模型的语义知识,本文通过引入特征子空间这一概念,构造了一个具有类别—模型双层结构的检索框架
冷彪
基于语义的三维模型检索框架研究[EB/OL]
北京:中国科技论文在线
框架在类别这一层面,以特征子空间作为每一个类别自身语义特征的载体,运用模糊集合理论以及最优化理论,从数学角度描述并计算得到特征子空间
传统的三维模型检索技术依托于以模型特征向量为存在形式的底层特征信息,其检索结果往往与用户的语义理解存在偏差
利用所得语义特征标签,本文改进了流形学习中经典的拉普拉斯映射算法,通过在流形场构建的过程中注入语义信息,使该算法提供更准确的检索结果
这些分属不同类别的概率值组合在一起,就构成了向量形式的模型语义特征标签
通过在普林斯顿大学图形数据库上进行的相关实验,本文提出的特征子空间概念的合理性得到了证明
【详情见下载】