【正文】 業(yè)設計 7 第一章 緒論 選題背景 在逆向工程中，對基于散亂數(shù)據(jù)點的曲線曲面重建研究被廣泛地應用到機械制造、安全工程、火災場景重建等領域。其中，特征提取是通過點云分塊以及表面特征識別來完成的 3 。s 等對等半徑過渡特征曲面提取問題進行了研究。 Cheng 等提出基于遺傳算法的曲線重建，但不適合三維重建。該網(wǎng)絡不斷生長且網(wǎng)絡的拓撲能良好地逼近散亂點的特征。在本設計中， 提出基 于神經(jīng)網(wǎng)絡的曲線曲面重建算法。 最后用特征點反求控制點，重建 B 樣條曲線。直至達到重建要求。 第一章 介紹了本次課題研究的開發(fā)背景和技術(shù)背景，對研究意義和主要研 究內(nèi)容做了闡述。 安徽建筑工業(yè)學院畢業(yè)設計 9 第二章 成長型 神經(jīng)網(wǎng)絡的基本理論 神經(jīng)網(wǎng)絡基本理論 神經(jīng)網(wǎng)絡 (Neuron Netwon,NN)也可以叫做人工神經(jīng)網(wǎng)絡（ Artifical Neuron Network,ANN） 、人工神經(jīng)系統(tǒng)（ Artifical Neuron System,ANS） 、等。處理單元的輸出信號可以是任何需要的數(shù)學模型，每個處理單元中進行的操作必須是完全局部的。前饋型網(wǎng)絡的各神經(jīng)元節(jié)點接受前一層的輸入，并輸出給下一層，沒有反饋。 神經(jīng)網(wǎng)絡的主要特征是具有向環(huán)境學習，獲取知識并改進自身性能的學習能力，盡管神經(jīng)網(wǎng)絡的學習算法因結(jié)構(gòu)類型不同而互異，但共同之處在于網(wǎng)絡中的連接權(quán)值 ijw 可進行調(diào)節(jié)以改進網(wǎng)絡完成某項特殊任務的能力。 神經(jīng)網(wǎng)絡經(jīng)過六十多年的發(fā)展，已經(jīng)形成了十幾種網(wǎng)絡類型，其中有代表性的一些模型有： BP(Back Propagation,BP)神經(jīng)網(wǎng)絡、 Hopefield 網(wǎng)絡、自組織安徽建筑工業(yè)學院畢業(yè)設計 11 映射（ SelfOrganizing Map,SOM)神經(jīng)網(wǎng)絡、小波神經(jīng)網(wǎng)絡、 RBF 神經(jīng)網(wǎng)絡等。自組織特征映射圖就是這種具有自學習功能的神經(jīng)網(wǎng)絡。 SOM 神經(jīng)網(wǎng)絡模型的基本結(jié)構(gòu)如圖 23所示 (圖中圓圈表示神經(jīng)元 ),網(wǎng)絡由輸入層和輸出層組成 ,輸入層的神經(jīng)元通過權(quán)與輸出層的每一個神經(jīng)元相連 ,輸出層中的神經(jīng)元相互間也通過權(quán)局部連接 ,并且連接權(quán)值具有一定的分布 ,鄰近的神經(jīng)元相互激 勵 ,而較遠的神經(jīng)元則相互抑制 ,網(wǎng)絡學習的過程就是輸出層神經(jīng)元之間相互競爭的過程。 3. 計算輸入節(jié)點 i 與任何輸出節(jié)點 j 之間的 距離 jd ； ? 21( ( ) ( ))nj i ijid x t w t???? (62) 4. 選擇最小距離 minjd 與其 對應的輸出節(jié)點 j? ； ? 5. 調(diào)整權(quán)值； 調(diào)整權(quán)值只對節(jié)點 j? 及其相鄰節(jié)點進行，相鄰節(jié)點由鄰域半徑 ()Njt? 決定，新的權(quán)值為： ( 1 ) ( ) ( ) [ ( ) ( ) ]ij ij i ijw t w t t x t w t?? ? ? ? (63) 式中， ()t? 為學習率，是一個隨時間減小的增益項， 0 ()1t???。 該網(wǎng)絡在學習輸入向量的過程中，根據(jù)神經(jīng)元競爭獲勝次數(shù)的多少確定它們活動性的強弱，分裂活動性強的神經(jīng)元 ,刪除活動性最弱的 神經(jīng)元 ,使網(wǎng)絡更好地體現(xiàn)輸入向量的內(nèi)在特征。 反求三次 B 樣條控制點 從 節(jié)的算法可以獲得最終的特征 點 。 則反求控制點方程組如下： ]4,1[)]()()()([11321333231300???????????????????????????????????????? miVpVVVVuBuBuBuBpVpmniiiiiiiiiiiii (614) 該方程組有 m 個未知數(shù)，而方程的個數(shù)是 m2 個。 第三章 詳細設計 本章給出了一種反算開放均勻 B 樣條曲線的通用算法。 安徽建筑工業(yè)學院畢業(yè)設計 16 B 樣條曲線根據(jù)其節(jié)點矢量的不同可分為均勻 B 樣條曲線、開放均勻 B 樣條曲線和非均勻 B 樣條曲線。 關于樣條曲線反算過程的研究，主要有 B 樣條曲線反算中的尖點構(gòu)造， Bezier 曲線反算過程中的奇異點構(gòu)造，但是極少涉及到開放均勻 B 樣條曲線的反算算法的研究。 以三次開放均勻 B樣條曲線 (m=4)為例，其節(jié)點矢量可以 這樣定義 從 0開始，按 ≤ L+ 排列，則節(jié)點矢量可表示為 安徽建筑工業(yè)學院畢業(yè)設計 18 反算三次 B樣條曲線的控制頂點 反算步驟： 給定 n+1個型值點， Qi， i=0， 1， 2， .， n ，通常的算法 是將首末 數(shù)據(jù)點 Q0和 Qn 分別作為三次開放均勻 B樣條曲線的首末端點， 把內(nèi)部數(shù)據(jù)點 Q1， Q2， .， Qn1。若把 n+1個型值點代入 (5)式，僅能得 到 n+1個方程，須補充兩個邊界方程方可求出所有的控制點。 Q1?QnRn]T P=[Q0 Po P1?PnQn]T 則可以求得 P=B1 Q， B可以由 (6)式求得，其方程組可采用追趕法求解。 GLfloat maxD=。(maxDDELTA)) { n=spNum。 cp[i+1][1]=sp[i][1]。 cp[0][2]=cp[1][2]。 maxD=。 d[1]=sp[i][1]cp[i+1][1]+(sp[i][1](cp[i][1]+cp[i+2][1])/)/。 cp[i+1][2]=cp[i+1][2]+d[2]。 安徽建筑工業(yè)學院畢業(yè)設計 22 cp[0][2]=cp[1][2]。 } } 本章小結(jié) 本文給出了一種反算開放均勻 B樣條曲線的通用算法 。 第四章 總結(jié)和展望 全文工作總結(jié) 本文對基于神經(jīng)網(wǎng)絡實現(xiàn)的散亂點重建技術(shù)進行了系統(tǒng)的理論和應用研究論文的主要工作概括如下： ：神經(jīng)元模型、連接方式、工作過程和常用 模型。成長型神經(jīng)網(wǎng)絡通過神經(jīng)元的分裂與刪除達到網(wǎng)絡的增量生長使特征折線更好的體現(xiàn)散亂數(shù)據(jù)點的分布概率。 。對于相交的曲線重建，是今后進一步研究的內(nèi)容。NURBS), 北京 航空航天大學出版社 , 1994. 安徽建筑工業(yè)學院畢業(yè)設計 25 [11]. 神經(jīng)網(wǎng)絡原理 編著 機械工業(yè)出版社 20xx11。自畢業(yè)設計開始， 王 老師高度負責，對我們嚴格要求。同時也讓我真正的體會到競爭的壓力，學習的重要，人與人之間交流的可貴等等。 另外我真誠感謝我的全班同學，感謝他們在我的大學四年學習生活當中最真誠最友好的關心和照顧，特別感謝那幾位一起并肩作戰(zhàn)以苦作樂的同學，感謝他們使大學四年的時光成為我此生最難忘的一段時光，所以我再次衷心的感謝你們并祝愿大家心想事成！ 限于本人的理論和實踐水 平，論文中必然存在諸多不足之處，懇請各位老師予以指正 ! 安徽建筑工業(yè)學院畢業(yè)設計 27 學位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學位論文，是本人在導師的指導下進行的研究工作所取得的成果。 學位論文作者（本人簽名）： 年 月 日 學位論文出版授權(quán)書 本 人及導師完全同意《中國博士學位論文全文數(shù)據(jù)庫出版章程》、《中國優(yōu)秀 碩士學位論文全文數(shù)據(jù)庫出版章程》 (以下簡稱“章程” )，愿意將本人的學位論文提交“中國學術(shù)期刊（光盤版）電子雜志社”在《中國博士學位論文全文數(shù)據(jù)庫》、《中國優(yōu)秀碩士學位論文全文數(shù)據(jù)庫》中全文發(fā)表和以電子、網(wǎng)絡形式公開出版，并同意編入 CNKI《中國知識資源總庫》，在《中國博碩士學位論文評價數(shù)據(jù)庫》中使用和在互聯(lián)網(wǎng)上傳播，同意按“章程”規(guī)定享受相關權(quán)益。 本聲明的法律后果由本人承擔。 首先非常感謝學校開設這個課題，為本人日后從事計算機方面的工作提供了經(jīng)驗，奠定了基礎。這期間凝 聚了很多人的心血，在此我表示由衷的感謝。從他身上，我學到了許多能受益終生的東西。 最后，我要感謝我的父母對我的關系和理解，如果沒有他們在我的學習生涯中的無私奉獻和默默支持，我將無法順利完成今天的學業(yè)。感謝老師四年來對我孜孜不倦的教誨，對我成長的關心和愛護。 最后，我要特別感謝我的導師趙達睿老師、和研究生助教熊偉麗老師。在論文的撰寫過程中老師們給予我很大的幫助，幫助解決了不少的難點，使得論文能夠及時完成，這里一并表示真誠的感謝。老師 們認真負責的工作態(tài)度，嚴謹?shù)闹螌W精神和深厚的理論水平都使我收益匪淺。四年的風風雨雨，我們一同走過，充滿著關愛，給我留下了值得珍藏的最美好的記憶。從這里走出，對我的人生來說，將是踏上一個新的征程，要把所學的知識應用到實際工作中去。 其次，我要感謝大學四年中所有的任課老師和輔導員在學習期間對我的嚴格要求，感謝他們對我學習上和生活上的幫助，使我了解了 許多專業(yè)知識和為人的道理，能夠在今后的生活道路上有繼續(xù)奮斗的力量。 首先，我要特別感謝我的知道郭謙功老師對我的悉心指導，在我的論文書寫及設計過程中給了我大量的幫助和指導，為我理清了設計思路和操作方法，并對我所做的課題提出了有效的改進方案。本次畢業(yè)設計是對我大學四年學習下來最好的檢驗。 本人愿意按照學校要求提交學位論文的印刷本和電子版，同意學校保存學位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復制手段保存設計（論文）；同意學校在不以營利為目的的前提下，建立目錄檢索與閱覽服務系統(tǒng)，公布設計（論文）的部分或全部內(nèi)容，允許他人依法合理使用。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設計（論文）不含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式注明并表示感謝。 他們在我的畢業(yè)設計過程中經(jīng)常給我提出許多關鍵性的問題，使我受益匪淺。在設計過程中和論文寫作過程中，我們得到了的精心指導，使我受益非淺，在此表示由衷的感謝。 [13]. Visual C++ 桌面應用程序開發(fā) Microsoft