关于3d乱序点的生成，三维点集Voronoi图的算法实现

本文在详细研究和分析了典型的Delaunay三角剖分算法的思想后，针对增量 算法中的关键问题提出改进的方法，从降低算法的时间复杂度的角度出发，以点 定位搜索这一关键问题为切入点，提出新的改进搜索的方法，该算法利用四面体 三角面的法矢与该面的点到插入点之间形成的向量的夹角来确定定位方向，不需 额外的搜索数据结构，且对于每个搜索四面体只需三个面的法矢和夹角的计算， 减少了搜索过程中的计算量，且定位的路径较优，有效提高了算法的效率，使整 个Delaunay三角剖分算法的时间复杂度约为O(N‘·‘2)，接近线性时间。

四川大学张德学的点集拓扑学讲义，对掌握拓扑学基础知识很有帮助！

根据各点的位置，matlab实现点集最小圆覆盖问题。

《点集拓扑讲义》 高教（熊金城）版 课后答案

点集拓扑中的反例是一本好书,点集拓扑中的反例是一本好书, 喜欢大家喜欢

求取点集得凸包算法， C/C++语言。

平面点集分治算法的改进

该资源为基于matlab的空间点集直线拟合，同时拟合了三条直线。可供大学生、研究生等使用matlab进行数据处理时学习直线拟合内容使用。内容包括代码以及数据集（空间点坐标集，为TXT文本文件），程序中包括了读取文件功能。

杨小军, 杨兴炜, 曾 峦, 刘文予. 基于轮廓关键点集的形状分类[J]. 南京大学学报(自然科学版), 2010, 46(1): 47-55. [.pdf ], [MATLAB code] 形状分析是计算机视觉领域的经典问题,目前已有大量关于形状分类问题的研究.但是,当处理大的非线性失真、特别是结构上或者关联上的失真时,许多形状分类方法往往无能为力.提出一种利用轮廓关键点集(contour critical point sets,CCPS)进行形状分类的新方法.轮廓关键点的特征用其inner-distance形状上下文(IDSC)表征.关键点的inner-distance形状上下文不仅表征形状的局部特征,也反映其全局特征,这种局部点的全局特征信息对遮挡、非线性失真等有良好的鲁棒性.巧妙地构造关键点的特征向量后,对形状轮廓关键点集、形状类、和全体形状样本建模,进行三级的贝叶斯分类.形状类模型使得可以利用同一类中的不同样本的不同关键点对输入形状进行识别.实验结果表明,这种基于视觉部分的全局特征,三级的贝叶斯分类方法对非线性失真、类内变异、结构变化、遮挡等具有良好的鲁棒性.文中的方法在Kimia形状数据库上达到100%的分类精度,并且分类所有108个测试形状仅需要8s,是目前已知最好的分类性能.在广泛使用的MPEG-7形状数据库上,也能达到满意的分类结果.