基于PSO-SVR的渲染时间预估研究

发布时间：2017-10-16 17:44

  本文关键词：基于PSO-SVR的渲染时间预估研究

  更多相关文章： 支持向量回归机 粒子群优化算法 渲染 渲染时间预估

【摘要】：渲染是指用三维软件,(例如Maya、3ds Max等),将用严格定义的语言或者数据结构对三维物体的描述形成的包含几何、视点、纹理和照明信息的模型生成数字图像或者位图图像的过程。渲染时间指的是渲染过程总共花费的时间,渲染时间的长短与很多因素有关,如几何复杂度、分辨率、材质等等。目前,很多渲染公司在分配渲染任务时是根据先来先服务的原则对集群的节点进行调度,这种方式有时会造成集群资源的浪费,因此如何制定一个合理高效的集群调度策略是目前渲染公司迫切需要解决的问题。针对上述问题,本文通过对使用V-Ray渲染器的渲染系统进行深入分析,提取出影响渲染时间的参数,并结合机器学习方法,研究了一种基于粒子群优化支持向量回归机(PSO-SVR)的渲染时间预估方法。根据得到的渲染时间制定合理的集群调度策略,这样可以有效的利用资源,提高渲染效率,同时还能为设置渲染价格提供一种参考依据。本文的主要工作如下:1、详细分析了渲染步骤和具体实现流程,从分辨率、几何复杂度、材质、灯光等方面对使用V-Ray渲染器的渲染系统进行研究,通过实验提取出分辨率,几何面数,材质数量,折/反次数,灯光细分,灯光数量,适应数量,噪波阀值,全局细分倍增,发光贴图预设,半球细分,最大细分,最小细分十三个影响渲染时间的因素,为本文研究的方法提供了样本参数,2、深入研究了支持向量回归机的理论基础,由于支持向量回归机的训练参数对其预测性能影响较大,为了获取性能比较好的支持向量回归机,则需要得到较优的参数组合。因此,本文引入一种先进的粒子群算法,通过使用粒子群算法的随机搜索策略优化支持向量回归机的核参数、惩罚因子和不敏感损失函数,以此构建了基于PSO-SVR的渲染时间预估模型。3、通过具体实例,对基于PSO-SVR的渲染时间预估模型的实际应用效果进行验证,并将该优化模型与BP神经网络、逐步回归建立的时间预估模型进行对比分析,结果表明,在渲染时间预估中,PSO-SVR比BP神经网络和逐步回归预测精度高,泛化能力强。
【关键词】：支持向量回归机 粒子群优化算法 渲染 渲染时间预估
【学位授予单位】：江苏科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18
【目录】：

• 摘要5-6
• Abstract6-12
• 第1章 绪论12-18
• 1.1 研究背景及意义12-13
• 1.2 国内外研究现状13-15
• 1.3 主要研究内容15-16
• 1.4 本文的组织结构16-18
• 第2章 相关知识介绍18-26
• 2.1 渲染的基本原理和步骤18-19
• 2.1.1 渲染的基本原理18
• 2.1.2 渲染的基本步骤18-19
• 2.2 关于V-Ray渲染器19-25
• 2.2.1 V-Ray渲染器概述19-20
• 2.2.2 V-Ray渲染器优势20-21
• 2.2.3 光线跟踪算法21-25
• 2.3 集群技术的介绍25
• 2.4 本章小结25-26
• 第3章 影响渲染时间的特征参数提取26-40
• 3.1 常用的三维建模软件的介绍26-28
• 3.1.1 Maya26
• 3.1.2 SoftImage3D26-27
• 3.1.3 3ds Max27-28
• 3.2 特征参数提取28-38
• 3.2.1 分辨率29-30
• 3.2.2 几何面数30
• 3.2.3 V-Ray材质30-31
• 3.2.4 V-Ray灯光31-33
• 3.2.5 DMC采样器33-35
• 3.2.6 全局光引擎35-36
• 3.2.7 图像采样器36-38
• 3.3 本章小结38-40
• 第4章 基于PSO-SVR的渲染时间预估模型的建立40-58
• 4.1 支持向量机理论介绍40-50
• 4.1.1 支持向量机的理论基础40-43
• 4.1.1.1 机器学习40-41
• 4.1.1.2 统计学习理论41-43
• 4.1.2 支持向量机的基本概念43-44
• 4.1.3 支持向量分类机44-48
• 4.1.4 支持向量回归机48-49
• 4.1.5 核函数49-50
• 4.2 粒子群算法理论介绍50-52
• 4.2.1 粒子群算法基本原理50-51
• 4.2.2 粒子群算法的数学描述51-52
• 4.3 PSO-SVR的算法设计52-56
• 4.3.1 PSO-SVR算法的基本思路52-54
• 4.3.2 PSO-SVR算法实现步骤54-56
• 4.4 本章小结56-58
• 第5章 基于PSO-SVR的渲染时间预估模型的实现58-68
• 5.1 支持向量机工具箱介绍58-60
• 5.1.1 Matlab软件介绍58-59
• 5.1.2 Libsvm工具箱在Matlab中的安装过程59-60
• 5.2 样本数据的采集及预处理60-62
• 5.2.1 样本数据采集60-61
• 5.2.2 数据预处理61-62
• 5.3 粒子群优化支持向量回归机参数62
• 5.4 PSO-SVR渲染时间预估模型的实现过程62-64
• 5.5 实验结果与对比分析64-67
• 5.6 本章小结67-68
• 结论68-70
• 参考文献70-74
• 攻读硕士学位期间所发表的学术论文74-76
• 致谢76

【相似文献】

中国期刊全文数据库 前10条

1 黄海涛;;中职学校计算机专业3DSMAX课程教学的探讨[J];宿州教育学院学报;2012年03期

2 陈泳伟;;V-Ray for Rhino引出的一组器皿[J];CAD/CAM与制造业信息化;2010年09期

3 ;书讯[J];互联网天地;2006年12期

4 苏征辉;;利用Mental Ray渲染器制作玻璃与金属的焦散[J];电视字幕(特技与动画);2007年06期

5 ;系统主题为何自动切换[J];电脑爱好者;2010年06期

6 刘小晶;;提高VRay渲染器渲染品质和速度的应用研究[J];漳州职业技术学院学报;2010年01期

7 贺宏福;;提高Mental ray渲染器渲染品质和速度的方法探讨[J];信息技术;2012年11期

8 许业进;;基于V-Ray渲染器的玻璃材质的调节[J];广西教育;2013年39期

9 苗鹏;王海军;;MR渲染器工作原理及案例实测[J];课程教育研究;2013年05期

10 袁蕊;高级渲染器Renderman[J];电视字幕(特技与动画);2002年03期

中国重要报纸全文数据库 前3条

1 周童;免费的硬件加速渲染器[N];计算机世界;2008年

2 本报特约记者 高华;《地心引力》背后的特效秘密[N];电脑报;2013年

3 董烨华;Flash动画3DS MAX造[N];中国电脑教育报;2004年

中国硕士学位论文全文数据库 前9条

1 俞骁尧;基于众核架构的软件渲染器设计与实现[D];浙江大学;2016年

2 张冉;基于PSO-SVR的渲染时间预估研究[D];江苏科技大学;2016年

3 张继健;基于多进程通信的多宿主渲染器的设计和实现[D];浙江大学;2013年

4 陈刚;基于嵌入式系统的3D图形渲染器的设计及关键技术实现[D];西安电子科技大学;2008年

5 季健;面向移动设备的像素渲染器设计[D];中国科学技术大学;2009年

6 范明明;异构建模渲染系统数据转换方法研究[D];山东大学;2009年

7 赵浩辛;基于VRay的室内效果渲染技术的研究与应用[D];厦门大学;2014年

8 张静;基于高级渲染器Renderman的水流材质系统的研究与设计[D];华中师范大学;2008年

9 刘进;室内外环境设计数字化表现研究[D];南京林业大学;2008年

，

本文编号：1044041