基于SOM 特性和PCA 索引的三维运动检索
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

Supported by the National Natural Science Foundation of China under Grant No.60875046 (国家自然科学基金); the Program for Liaoning Innovative Research Team in University under Grant Nos.2009T005, LT2010005 (辽宁省高校创新团队支持计划); the Key Project of Chinese Ministry of Education under Grant No.209029 (国家教育部重点科学研究项目); the Program for Liaoning Science and Technology Research in University under Grant Nos.2009S008, 2009S009, LS2010008 (辽宁省高校科学研究计划)


3D Motion Retrieval Measure Based on SOM Feature and PCA Index
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    提出了一种基于自组织特征映射(SOM)和PCA 索引的三维运动数据检索方法.首先利用每一个运动序列来进行拓扑特性加强的SOM 的学习,其运动特性被映射到一个主曲面,然后利用主成分分析方法(PCA)提取主曲面的主成分来建立一个基于主成分的索引机制,加快检索速率.SOM 的引入避免了与原始数据的直接接触,后续的工作只是在主曲面的基础上展开,消除了不同骨架长度的位置信息对运动特性的影响.实验结果表明了算法的有效性.

    Abstract:

    A novel approach for 3D motion capture data retrieval based on the Self-Organizing Map (SOM) and PCA index is proposed. Firstly, the Self-organizing map topological features are enhanced before learning. Characteristic will be mapped to a main surface after training every motion. Then, principal component analysis (PCA) is applied to deal with the surface characteristics. To improve the retrieval efficiency, an indexing scheme based on the principal eigenvector is constructed. Introduction of SOM avoid directing contact with the raw data, Follow-up work are only based on the main surface. It eliminate the position information influence of different frame length of the motion characteristics. Experimental results show that the algorithm is effective.

    参考文献
    相似文献
    引证文献
引用本文

李玉梅,张强,魏小鹏,姚书磊.基于SOM 特性和PCA 索引的三维运动检索.软件学报,2010,21(zk):173-182

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-07-20
  • 最后修改日期:2010-11-03
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京市海淀区中关村南四街4号,邮政编码:100190
电话:010-62562563 传真:010-62562533 Email:jos@iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号