报告时间：2017年5月22日(星期一)下午15:00

报告地点：数学学科楼310

报告人：邓重阳教授

工作单位：杭州电子科技大学

举办单位：数学学院

个人简介：

邓重阳,湖南隆回人,杭州电子科技大学教授,浙江省高等学校中青年学科带头人。2008年在浙江大学获应用数学博士学位。2014.06-2014.11在瑞士提挈诺大学任访问教授.曾多次赴香港城市大学,日本横滨国立大学,挪威奥斯陆大学学术访问。主持并完成国家自然科学基金多项。在计算机图形学领域顶级期刊 ACM Transactions on Graphics 发表论文1篇，并在SIGGRAPH 2013上作报告，在计算机辅助设计与图形学领域国际重要期刊Computer Graphics Forum、Computer Aided Geometric Design、Computer-Aided Design发表文章近20篇。主要研究方向为细分曲线曲面，推广重心坐标，曲线曲面插值与逼近等。

报告内容：

渐进迭代逼近(PIA)是一个非常高效,直观的数据拟合方法.经典的PIA中,控制顶点数等于待拟合的数据点数,所以不宜用于数据量较大的情形.在经典PIA的基础上,我们提出了用于最小二乘拟合的渐进迭代逼近(LSPIA),它通过不断调整控制顶点获得一系列拟合曲线(曲面),其极限曲线(曲面)与最小二乘法所得拟合曲线(曲面)一致.每个迭代步骤中,控制顶点的偏移向量定义为某些待拟合点与曲线(曲面)对应点的差向量的加权和.我们给出了一个计算权因子的简便方法,该权因子对应的收敛速度接近于理论最优值. LSPIA的优势主要体现在两个方面.一方面, LSPIA可以高效,稳定地拟合数据量巨大的点集.另一方面, LSPIA能直接应用前一个迭代步骤所获得的结果,所以可显著地减少计算量.