Las imágenes de geometría son un tipo de métodos de remuestreo completamente regulares para la representación de mallas. Las imágenes de geometría tradicionales tienen dificultades para lograr errores de reconstrucción óptimos y preservar detalles geométricos seleccionados manualmente, debido a las limitaciones de los métodos de parametrización. Para resolver dos problemas, proponemos dos imágenes de geometría adaptativa para remuestrear mallas triangulares. El primer esquema produce imágenes de geometría con el mínimo error de Hausdorff al encontrar la dirección de optimización para los puntos de muestreo basada en la distancia de Hausdorff entre la malla original y la malla reconstruida. El segundo esquema produce imágenes de geometría con una mayor precisión de reconstrucción sobre la región de interés seleccionada manualmente de la malla de entrada, al aumentar el número de puntos de muestreo sobre la región de interés. Los resultados experimentales muestran que ambos esquemas ofrecen resultados prometedores en comparación con las imágenes de geometría tradicionales basadas en parametrización.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Análisis del Curso Ideológico y Político de Tai Chi en la Universidad Basado en Grandes Datos y Redes Neuronales Gráficas
Artículo:
Red de redes neuronales granulares gaussianas distribuidas para la construcción de intervalos de predicción
Artículo:
CAFA: Herramienta de ayuda a la mejora de la cobertura mediante Checksum-Aware Fuzzing
Artículo:
Estudio de métodos de análisis de gráficos de ataque desde la perspectiva del procesamiento de datos y conocimientos
Artículo:
Analizando la efectividad de la autenticación dinámica de pulsaciones táctiles para el idioma árabe.