摘要:针对三维点云的不规则性和无序性所导致的难于提取特征并进行分类的问题,本文提出一种融合深度学习和集成学习的三维点云分类方法。首先,训练深度学习点云分类网络PointCloudTransformer并进行点云特征提取,从而构建基分类器集合;然后,针对集成学习算法设计基分类器选择模型,以基分类器的差异性和平均总体精度为优化目标,提出二元多目标白鲸优化算法优化模型,得到集成剪枝方案集合;最后,采用多数投票法集成每个基分类器组合在测试集点云特征上的分类结果,得到最优的基分类器组合,从而构建基于多目标优化剪枝的集成学习点云分类模型。在ModelNet40点云分类数据集上的实验结果表明,本文方法使用了更小的集成规模,获得了更高的集成精度,能够对多类别三维点云进行准确分类。