【正文】 系主任： （簽名） 年 月 日 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計 3 摘要 在逆向工程中，對基于散亂數(shù)據(jù)點(diǎn)曲線曲面重建研究有著重要的意義。 作 者 簽 名： 日 期： 指導(dǎo)教師簽名： 日 期： 使用授權(quán)說明 本人完全了解 大學(xué)關(guān)于收集、保存、使用畢業(yè)設(shè)計（論文）的規(guī)定，即：按照學(xué)校要求提交畢業(yè)設(shè)計（論文）的印刷本和電子版本；學(xué)校有權(quán)保存畢業(yè)設(shè)計（論文）的印刷本和電子版，并提供目錄檢索與閱覽服務(wù)；學(xué)?？梢圆捎糜坝?、縮印、數(shù)字化或其它復(fù)制手段保存論文；在不以贏利為 目的前提下，學(xué)?？梢怨颊撐牡牟糠只蛉績?nèi)容。 作者簽名： 日 期： 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。提出基于成長型神經(jīng)網(wǎng)絡(luò)的三次 B樣條曲線重建算法。 Bspline 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計 5 目錄 摘要 ............................................. 2 第一章 緒論 ...................................... 6 選題背景 .................................. 6 研究內(nèi)容 .................................. 7 論文結(jié)構(gòu)的安排 ............................. 7 第二章 成長型神經(jīng)網(wǎng)絡(luò)的基本理論 ................... 8 神經(jīng)網(wǎng)絡(luò)基本理論 ........................... 8 自組織（ SOM）神經(jīng)網(wǎng)絡(luò)模型 ................. 10 成長型（ GCS）神經(jīng)網(wǎng)絡(luò) ..................... 13 基于 SOM 神經(jīng)網(wǎng)絡(luò)的散亂數(shù)據(jù) B 樣條曲 面 重建算法 ............................................. 12 反求三次 B 樣條控制點(diǎn) ...................... 12 ． 1 學(xué)習(xí)規(guī)則 . . . . . . . . . . . . . . . .12 反算算法 .. .. .. .. .. .. .. .. .. .. ..13 B樣條曲線 ................................ 13 第三章 詳細(xì)設(shè)計 ................................. 14 .................................. 14 重建算法 ................................. 17 程序?qū)崿F(xiàn) ................................. 19 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計 6 實現(xiàn)算法 ............................. 19 運(yùn)行結(jié)果 ............................. 21 ........................ 21 本章小結(jié) ................................. 25 第四章 總結(jié)和展望 ............................... 26 .............................. 26 今后工作展望 .............................. 26 參考文獻(xiàn) ........................................ 27 致謝 ............................................ 29 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)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(diǎn)的曲線曲面重建研究被廣泛地應(yīng)用到機(jī)械制造、安全工程、火災(zāi)場景重建等領(lǐng)域。s 等對等半徑過渡特征曲面提取問題進(jìn)行了研究。該網(wǎng)絡(luò)不斷生長且網(wǎng)絡(luò)的拓?fù)淠芰己玫乇平y點(diǎn)的特征。 最后用特征點(diǎn)反求控制點(diǎn)，重建 B 樣條曲線。 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。處理單元的輸出信號可以是任何需要的數(shù)學(xué)模型，每個處理單元中進(jìn)行的操作必須是完全局部的。 神經(jīng)網(wǎng)絡(luò)的主要特征是具有向環(huán)境學(xué)習(xí)，獲取知識并改進(jìn)自身性能的學(xué)習(xí)能力，盡管神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法因結(jié)構(gòu)類型不同而互異，但共同之處在于網(wǎng)絡(luò)中的連接權(quán)值 ijw 可進(jìn)行調(diào)節(jié)以改進(jìn)網(wǎng)絡(luò)完成某項特殊任務(wù)的能力。自組織特征映射圖就是這種具有自學(xué)習(xí)功能的神經(jīng)網(wǎng)絡(luò)。 3. 計算輸入節(jié)點(diǎn) i 與任何輸出節(jié)點(diǎn) 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(yīng)的輸出節(jié)點(diǎn) j? ； ? 5. 調(diào)整權(quán)值； 調(diào)整權(quán)值只對節(jié)點(diǎn) j? 及其相鄰節(jié)點(diǎn)進(jìn)行，相鄰節(jié)點(diǎn)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(xué)習(xí)率，是一個隨時間減小的增益項， 0 ()1t???。 反求三次 B 樣條控制點(diǎn) 從 節(jié)的算法可以獲得最終的特征 點(diǎn) 。 第三章 詳細(xì)設(shè)計 本章給出了一種反算開放均勻 B 樣條曲線的通用算法。 關(guān)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(diǎn)構(gòu)造， Bezier 曲線反算過程中的奇異點(diǎn)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。若把 n+1個型值點(diǎn)代入 (5)式，僅能得 到 n+1個方程，須補(bǔ)充兩個邊界方程方可求出所有的控制點(diǎn)。 GLfloat maxD=。 cp[i+1][1]=sp[i][1]。 maxD=。 cp[i+1][2]=cp[i+1][2]+d[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 。成長型神經(jīng)網(wǎng)絡(luò)通過神經(jīng)元的分裂與刪除達(dá)到網(wǎng)絡(luò)的增量生長使特征折線更好的體現(xiàn)散亂數(shù)據(jù)點(diǎn)的分布概率。對于相交的曲線重建，是今后進(jìn)一步研究的內(nèi)容。自畢業(yè)設(shè)計開始， 王 老師高度負(fù)責(zé)，對我們嚴(yán)格要求。 另外我真誠感謝我的全班同學(xué)，感謝他們在我的大學(xué)四年學(xué)習(xí)生活當(dāng)中最真誠最友好的關(guān)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(xué)，感謝他們使大學(xué)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(xué)院畢業(yè)設(shè)計 27 學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行的研究工作所取得的成果。 本聲明的法律后果由本人承擔(dān)。這期間凝 聚了很多人的心血，在此我表示由衷的感謝。 最后，我要感謝我的父母對我的關(guān)系和理解，如果沒有他們在我的學(xué)習(xí)生涯中的無私奉獻(xiàn)和默默支持，我將無法順利完成今天的學(xué)業(yè)。 最后，我要特別感謝我的導(dǎo)師趙達(dá)睿老師、和研究生助教熊偉麗老師。老師 們認(rèn)真負(fù)責(zé)的工作態(tài)度，嚴(yán)謹(jǐn)?shù)闹螌W(xué)精神和深厚的理論水平都使我收益匪淺。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(xué)的知識應(yīng)用到實際工作中去。 首先，我要特別感謝我的知道郭謙功老師對我的悉心指導(dǎo)，在我的論文書寫及設(shè)計過程中給了我大量的幫助和指導(dǎo)，為我理清了設(shè)計思路和操作方法，并對我所做的課題提出了有效的改進(jìn)方案。 本人愿意按照學(xué)校要求提交學(xué)位論文的印刷本和電子版，同意學(xué)校保存學(xué)位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復(fù)制手段保存設(shè)計（論文）；同意學(xué)校在不以營利為目的的前提下，建立目錄檢索與閱覽服務(wù)系統(tǒng)，公布設(shè)計（論文）的部分或全部內(nèi)容，允許他人依法合理使用。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中以明確方式注明并表示感謝。在設(shè)計過程中和論文寫作過程中，我們得到了的精心指導(dǎo)，使我受益非淺，在此表示由衷的感謝。 Computer graphics, 20xx,17(6), P 1329~1334 (Ch). [2] 柯映林 ,李岸 .點(diǎn)云數(shù)據(jù)中拉伸面特征的提取 [J], 計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報 , 20xx,17(6), P 1329~1334. [3] CHENG Yuanyuan, MAN Jiaju, QUAN Huiyun . Curve Reconstruction from Points Cloud Based on Adaptive Geic Algorithm [J] . Journal of Image and Graphics,20xx,11(9), P 1293~1298 (Ch). 成媛媛 ,滿家巨 ,全惠云 .基于自適應(yīng)遺傳算法的點(diǎn)云曲線重建 [J],中國圖象圖形學(xué)報 ,20xx,11(9), P 1293~1298. [4] Xiao Shaoyong,Jin Shigang,Shi Wenjun。 今后工作展望 本文對神經(jīng)網(wǎng)絡(luò)技術(shù)在逆向工程中的應(yīng)用進(jìn)行了較為深入的研究，作者認(rèn)為還有如下幾個方面的工作值得進(jìn)一步展開研究： GCS神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率、鄰域半徑、神經(jīng)元個數(shù)等學(xué)習(xí)參數(shù)的選取方法。由于一般樣條曲線的擬合不需要太高的次數(shù)，三次樣條曲線是一種較為通用的曲線擬合方法。 } } cp[0][0]=cp[1][0]。in。 } cp[0][0]=cp[1][0]。 while((times++ITERATION_TIMES)amp。 Rn 則可得到如下方程組