| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题的研究背景 | 第8-9页 |
| ·课题的研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·课题支持及研究内容 | 第14-15页 |
| ·课题支持 | 第14页 |
| ·课题的研究内容 | 第14-15页 |
| ·基于点技术的基本内容 | 第15-17页 |
| ·论文的组织结构 | 第17-18页 |
| 第二章 基于点的曲面表示 | 第18-26页 |
| ·局部曲面分析 | 第18-22页 |
| ·局部邻域 | 第18-20页 |
| ·局部采样密度 | 第20-21页 |
| ·协方差分析 | 第21-22页 |
| ·采样要求 | 第22-23页 |
| ·基于点的曲面表示 | 第23-25页 |
| ·参数化表示 | 第23-24页 |
| ·隐式表示 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于点的造型处理以及神经网络相关知识 | 第26-40页 |
| ·基于点的造型处理 | 第26-29页 |
| ·人工神经网络相关知识 | 第29-39页 |
| ·神经网络的研究简史 | 第29-31页 |
| ·人工神经网络的特点 | 第31-32页 |
| ·人工神经网络的组成 | 第32-33页 |
| ·神经网络结构 | 第33-34页 |
| ·神经网络的学习和训练方法 | 第34-35页 |
| ·基本学习规则 | 第35-38页 |
| ·神经网络的发展方向 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于无规则散乱数据点的曲面重构[范彦革05-1] | 第40-50页 |
| ·Kohonen神经网络 | 第40-41页 |
| ·Kohonen神经网络的学习方法 | 第41-42页 |
| ·B样条曲面 | 第42-43页 |
| ·基于Kohonen网络的B样条曲面重构 | 第43-46页 |
| ·竞争层的拓扑结构和节点个数 | 第44页 |
| ·网络权值的初始化 | 第44-45页 |
| ·邻域函数和增益项 | 第45-46页 |
| ·仿真实验 | 第46-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 无规则散乱数据点的预处理 | 第50-64页 |
| ·径向基函数(RBF)神经网络 | 第51-59页 |
| ·RBF神经网络结构 | 第52-54页 |
| ·RBF神经网络学习算法 | 第54-59页 |
| ·RBF神经网络的优点 | 第59页 |
| ·基于RBF神经网络的点云处理[范彦革05-2] | 第59-61页 |
| ·NURBS曲面 | 第59-60页 |
| ·RBF神经网络的训练学习方法 | 第60-61页 |
| ·用RBF网络进行散乱测量数据点拟合 | 第61页 |
| ·仿真实验 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 基于点的绘制 | 第64-76页 |
| ·点模型概念 | 第65-66页 |
| ·基于点的模型表示 | 第66-69页 |
| ·纯基于点的表示法 | 第67页 |
| ·圆球表示法 | 第67-68页 |
| ·椭圆形表示 | 第68-69页 |
| ·基于点的绘制流程 | 第69-70页 |
| ·基于点的绘制技术 | 第70-75页 |
| ·图像空间的点绘制算法 | 第70-73页 |
| ·物体空间的点绘制算法 | 第73-75页 |
| ·点绘制关键问题的讨论 | 第75页 |
| ·本章小结 | 第75-76页 |
| 第七章 结论与展望 | 第76-78页 |
| ·全文工作总结 | 第76-77页 |
| ·今后工作展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 攻读硕士学位期间发表的学术论文 | 第84-85页 |
| 致谢 | 第85页 |