CGAL细分算法是一个常用的计算机图形学算法,用于生成细分网格。它可以应用于许多领域,例如三维建模、数字雕塑、虚拟现实等。该算法基于有限元方法,通过对网格进行逐步细分,生成更加精细的三角形网格。CGAL细分算法的优点在于算法效率高,生成的细分网格质量好。如果您需要在计算机图形学中使用网格细分算法,CGAL细分算法是一个不错的选择。
暂无评论
最新的CGAL manual。PDF版本,之后上传Html网页版本
cgal编程指南,使用c++编写,方便快捷,容易迁移,很好的库文件,欢迎使用。Computational Geometry Algorithms LibraryESPRITⅣ∨LTR21957(CGA
CGAL的vs2017库
本节主要描述了基于 Apriori 算法的关联分析方法。为了克服 Apriori 算法在复杂度和效率方面的缺陷,本节还进一步的介绍了基于 FP-Tree 的频繁模式挖掘方法。 Apriori关联分析算
Apriori 算法和 FPTree 算法都是数据挖掘中的关联规则挖掘算法处理的都是最简单的单层单维布尔关联规则 Apriori 算法 Apriori 算法是一种最有影响的挖掘布尔关联规则频繁项集的算
详细介绍了蚁群算法与粒子群算法,并附录了粒子群算法的原始程序,希望能对大家有所帮助。
我们在分析一个算法在平均情况下的计算复杂性时,通常假定算法的输入数据服从某一特定的概率分布。例如,在输入数据是均匀分布时,快速排序算法所需的平均时间是O(n logn)。但是如果其输入已经基本上排好序
基于计算几何算法库实现的Sweep-line算法,能够报告直线的交点(CGAL实现的例子)
第三章 模糊控制 余 伶 俐 3.1 模糊控制的工作原理 ? 模糊控制的基本思想 将人类专家对特定对象的控制经验运用模糊集理论进行量化转化为可 数学实现的控制器从而实现对被控对象的控制 人类专家的控制
聚类就是对大量未知标注的数据集,按数据的内在相似性将数据集划分为多个类别,使类别内的数据相似度较大而类别间的数据相似度较小;对相似的文档或超链接进行聚类,由于类别数远小于文档数,能够加快用户寻找相关
暂无评论