基于平滑样条的超图小波神经网络的三维物体分类方法

本发明适用于三维物体分类技术领域，提供了基于平滑样条的超图小波神经网络的三维物体分类方法，包括以下步骤：数据输入与预处理；超图构建和节点重要性评分；应用平滑样条优化节点特征；通过基于平滑样条的超图小波神经网络进行多尺度特征提取、特征融合与分类。本发明通过引入平滑样条方法和节点重要性评分机制，增强了模型对噪声的鲁棒性，提升了特征的平滑性；集成的特征融合策略有效地融合了不同特征，捕捉了更有意义的信息，获得了更具判别性的节点嵌入表示。实验结果表明，本发明的模型在分类准确度上优于现有的3D对象分类模型，验证了基于平滑样条的超图小波神经网络以及所采用的融合策略的有效性。