基于XGBoost和代表性视图的三维模型分类方法

本发明提出了一种基于XGBoost和代表性视图的三维模型分类方法。该方法首先利用固定投影的方法提取三维模型的二维视图，并采用Min Batch K‑means聚类算法提取代表性视图；然后采用MetaFormer提取代表性视图的视图特征，通过形状分布函数描述代表性视图的形状信息并利用一维卷积神经网络提取形状特征。最后将视图特征与形状特征融合之后，输入到基于XGBoost迭代得到的强分类器完成三维模型的分类，使三维模型分类性能有显著的提高。