1) delaunay algorithm
Delaunay算法
1.
Based on Delaunay algorithm, an algorithm is presented to fulfill the generation of tetrahedron mesh.
介绍一种基于Delaunay算法的四面体单元的自动网格划分算法。
2) Delaunay refinement
Delaunay细化算法
1.
As a conforming Delaunay triangulation(CDT) algorithm,Delaunay refinement method has widely application both in theory and practice.
Delaunay细化算法是目前大多数约束Delaunay三角化算法的主要思想,针对其要求输入的约束条件中不能包含夹角较小的尖角的问题,给出了Delau-nay细化算法收敛的充分条件,并通过在尖角点和尖角边处引入带权点和带权Delau-nay空圆/球准则的方法提出了一种带权优化约束Delaunay三角化算法,解决了经典的细化算法在尖角处算法不收敛时需引入辅助控制区域以及过多辅助点的问题,对算法的收敛性进行了分析,给出了相应的算法应用实例,可以应用于复杂几何对象的科学计算和工程分析。
3) improved Delaunay algorithm
Delaunay改进算法
5) Delaunay method
Delaunay法
6) 3D-Delaunay tetrahedron algorithm
3D-Delaunay四面体化算法
1.
With the boundary key points of four neighborhood layers,three-dimensional solids between the two adjacent layers are produced according to 3D-Delaunay tetrahedron algorithm.
5mm、厚度1mm的每一层断层图像进行二值化、边界提取,并筛选出边界关键点;根据相邻4层边界关键点数据,采用3D-Delaunay四面体化算法,在两层之间生成3维单元实体;根据估算外法线向量与球心顶点向量的内积正负情况对每个单元实体的有效性进行检查;把全部有效实体单元进行3维实体布尔运算,得到牙齿的实体模型。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条