| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题背景 | 第10-15页 |
| ·CAD 技术的演进 | 第10-11页 |
| ·CAD 造型技术 | 第11页 |
| ·自由曲面造型技术的研究状况 | 第11-13页 |
| ·曲面重构技术的现状 | 第13-14页 |
| ·HUST-CAID 系统概述 | 第14-15页 |
| ·神经网络技术的发展 | 第15-16页 |
| ·课题来源及研究内容 | 第16-17页 |
| 第2章 神经网络理论概述 | 第17-23页 |
| ·引言 | 第17页 |
| ·神经网络原理 | 第17-18页 |
| ·神经元模型 | 第18-20页 |
| ·神经网络模型 | 第20-21页 |
| ·神经网络连接与学习方式 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 特征重构技术分析 | 第23-34页 |
| ·引言 | 第23页 |
| ·特征概述 | 第23-24页 |
| ·语义特征造型 | 第24-26页 |
| ·语义特征造型的特点 | 第24-25页 |
| ·语义特征造型中特征的表示方法 | 第25-26页 |
| ·基于特征的重构技术综述 | 第26-29页 |
| ·基于特征的数据获取 | 第27页 |
| ·曲面重构中数据的预处理 | 第27-29页 |
| ·曲面拟合的方法 | 第29页 |
| ·基于HUST-CAID 系统的自由曲面特征创建与重构 | 第29-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 RBF 混合神经网络模型设计 | 第34-47页 |
| ·引言 | 第34页 |
| ·RBFMNN 模型设计原理 | 第34-37页 |
| ·径向基函数选定 | 第34-35页 |
| ·RBF 结构的选定 | 第35-37页 |
| ·RBFMNN 模型结构设计 | 第37-39页 |
| ·RBFMNN 训练算法设计 | 第39-44页 |
| ·划分样本空间算法 | 第39-40页 |
| ·RBFMNN 子网的训练算法 | 第40-42页 |
| ·RBFMNN 子网的增长与修剪 | 第42-44页 |
| ·RBFMNN 训练算法步骤 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于RBF 混合神经网络的自由曲面特征重构 | 第47-62页 |
| ·引言 | 第47页 |
| ·RBFMNN 样本数据预处理的研究 | 第47-53页 |
| ·去除噪声点算法 | 第47-50页 |
| ·数据修补方法 | 第50-51页 |
| ·数据简化算法 | 第51-53页 |
| ·RBFMNN 在曲面重构中的应用 | 第53-57页 |
| ·重构精度评定方法的制定 | 第57-58页 |
| ·仿真实验 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |