论文部分内容阅读
数据拟合是解决计算机科学与实际工程问题的主要方法之一.但是传统的数据拟合算法有一定的局限性.几何迭代算法(PIA: Progressive-iterativeapproximation)是近些年来出现的一种高效并且直观的数据拟合算法.几何迭代算法的核心思想是通过迭代的方式来得到最后的极限迭代曲线或曲面，同时能够使得极限迭代曲线或曲面插值于给定的有序数据点集.由于迭代逼近算法的收敛性、保凸性等优点，使得其在计算机辅助几何设计领域有着极为广泛的应用，然而，在传统的几何逼近算法中，控制点的数目等于数据点的数目，当数据点的数目非常大的时候，传统的算法并不合适.另外，在逆向工程中，经常出现数据点缺失的情况.在这种情况下，用一般的拟合方法得到的拟合结果是不稳定的. 本文在传统几何迭代算法的基础上，讨论了它的优点与应用的局限性.接下来针对在逆工程中出现部分数据点缺失的情况，我们对传统几何迭代算法进行了改进.我们提出的算法是从给定数据点中挑选一部分数据点做为控制顶点，在每次迭代中，每个数据点的差向量是拟合曲线或曲面上数据点和它们对应点之间某些差向量的加权和.当迭代精度达到给定的阀值时，终止迭代.通过这种方法，不但可以使最终获得的极限曲线或曲面逼近数据点，而且还可以稳定拟合有缺失的数据点集合.