【正文】 四年和我一起走過(guò)的同學(xué)朋友對(duì)我的關(guān)心與支持，與他們一起學(xué)習(xí)、生活，讓我在大學(xué)期間生活的很充實(shí)，給我留下了很多難忘的回憶。他無(wú)論在理論上還是在實(shí)踐中，都給與我很大的幫助，使我得到不少的提高這對(duì)于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝他耐心的輔導(dǎo)。郭謙功老師淵博的知識(shí)、嚴(yán)謹(jǐn)?shù)淖黠L(fēng)和誨人不倦的態(tài)度給我留下了深刻的印象。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。 Curve Reconstruction Based on Orthogonal Neural Network [ J ].Journal of image and graphics ,20xx,5(1), P 62~65 (Ch). 肖少擁 ,金小剛 ,石文俊 . 肖少擁 , 金小剛 ,石文俊 ,一種基于正交神經(jīng)網(wǎng)絡(luò)的曲線重建方法 [J],中國(guó)圖象圖形學(xué)報(bào) , 20xx,5(1), P 62~65. [5].王宏濤 , 張麗艷 , 李忠文 , 劉勝蘭 , 周儒榮 . 基于 SOM 的散亂數(shù)據(jù)點(diǎn)集的 B 樣條曲面重建 . 中國(guó)圖象圖形學(xué) [6].周儒榮 , 張麗艷 , 蘇旭 , 等 . 海量散亂點(diǎn)的 曲面重建算法研究 . 軟件學(xué)報(bào) , 20xx,12(2): 249~255. [7].靳蕃 . 神經(jīng)計(jì)算智能基礎(chǔ) ,西南交通大學(xué)出版社 , 20xx: 151~153. [8].王洪元 , 史國(guó)棟 . 人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用 , 中國(guó)石化出版社 , 20xx: 3~8. [9].蔣宗禮 . 人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論 , 高等教育出版社 , 20xx: 7~8. [10].施法中 . 計(jì)算機(jī)輔助幾何設(shè)計(jì)與非均勻有理 B 樣條 (CAGDamp。實(shí)踐證明：該算法簡(jiǎn)潔可靠，便于理解。i++) { d[0]=sp[i][0]cp[i+1][0]+(sp[i][0](cp[i][0]+cp[i+2][0])/)/。amp。其節(jié)點(diǎn)矢量可以定義如下。 反算算法 B樣條表達(dá)式是一個(gè)分段的矢函數(shù)，并且由于 B樣條的局部支撐性，一段三次 B樣條曲線只受 4個(gè)控制點(diǎn)的影響，下式表示了一段 B樣條曲線的一個(gè)起始點(diǎn)： 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計(jì) 14 ????????????????????????32133323133 )]()()()([)(iiiiiiiiiiiiiiVVVVuBuBuBuBup (613) 式中 3?iu 為起始點(diǎn)的參數(shù)值， ]4,0[ ?? mi ，通過(guò)該式可獲得 m3 個(gè)分段曲線的起始 點(diǎn)，由于采用了重節(jié)點(diǎn)技術(shù)，末端型值點(diǎn)與控制點(diǎn)重合，則 00 Vp? ； 13 ?? ? mm Vp 。 SOM 引入變化鄰域概念來(lái)模擬生物神經(jīng)網(wǎng)絡(luò)中的側(cè)抑制現(xiàn)象：生物神經(jīng)元接受刺激并進(jìn)行競(jìng)爭(zhēng)產(chǎn)生獲勝神經(jīng)元 ,該神經(jīng)元和它鄰域的神經(jīng)元得到加強(qiáng) ,鄰域之外的神經(jīng)元由于距離它較遠(yuǎn)而受到抑制，這樣就可實(shí)現(xiàn)網(wǎng)絡(luò)的自組織特性 。 從連接方式上看，神經(jīng)網(wǎng)絡(luò)主要有兩種：前饋型網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)。持續(xù)分裂網(wǎng)絡(luò)中活動(dòng)性強(qiáng)的神經(jīng)元和刪除活動(dòng)性最弱的神經(jīng)元 ,使有序神經(jīng)元的分布更符合散亂點(diǎn)數(shù)據(jù)的概率分布。 Ke 等深入研究了點(diǎn)云切片算法和拉伸面特征的提取，算法近似求解 TSP,重建效果不是太理想。接著用特征點(diǎn)反求三次 B樣條曲線的控制點(diǎn) .試驗(yàn)結(jié)果表明，算法取得的曲線重建效果良好。 安徽建筑工業(yè)學(xué)院 畢 業(yè) 設(shè) 計(jì) (論 文 ) 課 題 基于成長(zhǎng)型神經(jīng)網(wǎng)絡(luò)的三次 B樣條曲線重建 利用 特征點(diǎn)反求控制點(diǎn) 畢業(yè)設(shè)計(jì)（論文）原創(chuàng)性聲明和使用授權(quán)說(shuō)明 原創(chuàng)性聲明 本人鄭重承諾：所呈交的畢業(yè)設(shè)計(jì)（論文），是我個(gè)人在指導(dǎo)教師的指導(dǎo)下進(jìn)行的研究工作及取得的成果。 關(guān)鍵詞： 曲線重建；成長(zhǎng)型神經(jīng)網(wǎng)絡(luò)；散亂點(diǎn)；特征點(diǎn)； B樣條 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計(jì) 4 Abstract The study of curve and surface reconstruction based on unanized data points has great importance in reverse paper presents a new algorithm based on Growing Cell Structures to realize Cubic Bspline algorithm first gets ordered dominant points from the unanized data a set of unanized data points and an initial neural work,the neuron vector can be optimized using the algorithm to make the neurons gradually approach the given unanized data order to make the neurons of neural work coincide the space distribution of unanized data points,the neurons which are very active are splitted and which are least active are deleted continually. Then,control points of cubic Bspline curve are reverse calculated using the dominant experiment results are given which show that the new algorithm is quite effective. Keywords： Curve Reconstruction。 Cheng 等提出基于遺傳算法的曲線重建，但不適合三維重建。直至達(dá)到重建要求。前饋型網(wǎng)絡(luò)的各神經(jīng)元節(jié)點(diǎn)接受前一層的輸入，并輸出給下一層，沒(méi)有反饋。 SOM 神經(jīng)網(wǎng)絡(luò)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(luò)由輸入層和輸出層組成 ,輸入層的神經(jīng)元通過(guò)權(quán)與輸出層的每一個(gè)神經(jīng)元相連 ,輸出層中的神經(jīng)元相互間也通過(guò)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(lì) ,而較遠(yuǎn)的神經(jīng)元?jiǎng)t相互抑制 ,網(wǎng)絡(luò)學(xué)習(xí)的過(guò)程就是輸出層神經(jīng)元之間相互競(jìng)爭(zhēng)的過(guò)程。 則反求控制點(diǎn)方程組如下： ]4,1[)]()()()([11321333231300???????????????????????????????????????? miVpVVVVuBuBuBuBpVpmniiiiiiiiiiiii (614) 該方程組有 m 個(gè)未知數(shù)，而方程的個(gè)數(shù)是 m2 個(gè)。 以三次開放均勻 B樣條曲線 (m=4)為例，其節(jié)點(diǎn)矢量可以 這樣定義 從 0開始，按 ≤ L+ 排列，則節(jié)點(diǎn)矢量可表示為 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計(jì) 18 反算三次 B樣條曲線的控制頂點(diǎn) 反算步驟： 給定 n+1個(gè)型值點(diǎn)， Qi， i=0， 1， 2， .， n ，通常的算法 是將首末 數(shù)據(jù)點(diǎn) Q0和 Qn 分別作為三次開放均勻 B樣條曲線的首末端點(diǎn)， 把內(nèi)部數(shù)據(jù)點(diǎn) Q1， Q2， .， Qn1。(maxDDELTA)) { n=spNum。 d[1]=sp[i][1]cp[i+1][1]+(sp[i][1](cp[i][1]+cp[i+2][1])/)/。 第四章 總結(jié)和展望 全文工作總結(jié) 本文對(duì)基于神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)的散亂點(diǎn)重建技術(shù)進(jìn)行了系統(tǒng)的理論和應(yīng)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(guò)程和常用 模型。NURBS), 北京 航空航天大學(xué)出版社 , 1994. 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計(jì) 25 [11]. 神經(jīng)網(wǎng)絡(luò)原理 編著 機(jī)械工業(yè)出版社 20xx11。 學(xué)位論文作者（本人簽名）： 年 月 日 學(xué)位論文出版授權(quán)書 本 人及導(dǎo)師完全同意《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》、《中國(guó)優(yōu)秀 碩士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》 (以下簡(jiǎn)稱“章程” )，愿意將本人的學(xué)位論文提交“中國(guó)學(xué)術(shù)期刊（光盤版）電子雜志社”在《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)》、《中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表和以電子、網(wǎng)絡(luò)形式公開出版，并同意編入 CNKI《中國(guó)知識(shí)資源總庫(kù)》，在《中國(guó)博碩士學(xué)位論文評(píng)價(jià)數(shù)據(jù)庫(kù)》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(guān)權(quán)益。從他身上，我學(xué)到了許多能受益終生的東西。在論文的撰寫過(guò)程中老師們給予我很大的幫助，幫助解決了不少的難點(diǎn)，使得論文能夠及時(shí)完成，這里一并表示真誠(chéng)的感謝。 其次，我要感謝大學(xué)四年中所有的任課老師和輔導(dǎo)員在學(xué)習(xí)期間對(duì)我的嚴(yán)格要求，感謝他們對(duì)我學(xué)習(xí)上和生活上的幫助，使我了解了 許多專業(yè)知識(shí)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。盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設(shè)計(jì)（論文）不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的作品成果。 [13]. Visual C++ 桌面應(yīng)用程序開發(fā) Microsoft Corporation 著 清華大學(xué)出版社 20xx2。 基于 SOM神經(jīng)網(wǎng)絡(luò)的散亂數(shù)據(jù) B樣條曲面重建算法和反求B樣條曲線的原理，這是神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于逆向工程中曲線曲面重建工作的一個(gè)例子。 cp[i+1][0]=cp[i+1][0]+d[0]。in。因此，所求的三次開放均勻 B 樣條曲線的控制頂點(diǎn) Pi， i=0， 1,2， .， n +2有 n+3個(gè)控制頂點(diǎn)。 B 樣條曲線 安徽建筑工業(yè)學(xué)院畢業(yè)設(shè)計(jì) 15 B樣條遞推公式： ?? ??ni kii niuNdup 1 , ,...,1,0)()( 其中 ),...,1,0( nidi ? 為控制頂點(diǎn)，又