论文部分内容阅读
由于逐对形状匹配不能很好地反映形状间相似度,因此需要引入后期处理步骤提升检索精度.为了得到上下文敏感的形状相似度,本文提出了一种基于期望首达时间(Mean first-passage time,MFPT)的形状距离学习方法.在利用标准形状匹配方法得到距离矩阵的基础上,建立离散时间马尔可夫链对形状流形结构进行分析.将形状样本视作状态,利用不同状态之间完成一次状态转移的平均时间步长,即期望首达时间,表示形状间的距离.期望首达时间能够结合测地距离发掘空间流形结构,并可以通过线性方程进行有效求解.分别对不同