典型文献
一种新的基于特殊离群样本优化的三维点云特征选择算法
文献摘要：
随着元宇宙、数字孪生、虚拟现实与增强现实等前沿技术的快速发展，三维点云在电力、建筑、先进制造等行业中得到广泛应用，随之而来的，如何降低三维点云数据冗余度、有效进行点云特征选择，已在充分利用海量点云数据中扮演着关键角色。考虑到现有大多数三维点云特征选择算法忽略了特定样本在特征评估中的表现，提出一种新的有监督特征选择算法，即基于特殊离群样本优化的特征选择算法(FSSO)。具体地，为获得精准的特殊离群样本(SOs)，FSSO优化均值中心并动态地界定类簇主体；计算SOs的类内相对偏离程度，通过减小类内相对偏离对特征进行打分，实现特征选择过程。在 3 个公共的三维点云模型分类数据集上(ModelNet40， IntrA，ShapeNetCore)的实验，以及 4 个高维人工特征数据集的验证实验结果表明，相较于其他特征选择算法， FSSO可选择出具有更强分类能力的特征子集，并提升分类准确率。
文献关键词：
三维点云数据;有监督特征选择;特殊离群样本;类内相对偏离程度;分类
中图分类号：
作者姓名：
黄祥;王红星;顾徐;孟悦;王浩羽
作者机构：
江苏方天电力技术有限公司,江苏 南京 211102
文献出处：
引用格式：
[1]黄祥;王红星;顾徐;孟悦;王浩羽-.一种新的基于特殊离群样本优化的三维点云特征选择算法)[J].图学学报,2022(05):884-891
A类：
特殊离群样本,有监督特征选择,FSSO,SOs,类内相对偏离程度,IntrA,ShapeNetCore
B类：
样本优化,点云特征,特征选择算法,元宇宙,数字孪生,增强现实,前沿技术,先进制造,随之而来,三维点云数据,数据冗余,冗余度,行点,用海,关键角色,特征评估,地界,打分,公共的,三维点云模型,模型分类,分类数据,ModelNet40,高维,特征数据集,验证实验,特征子集,分类准确率
AB值：
0.220642
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
