| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| ·课题背景 | 第7-8页 |
| ·BRDF拟合的研究现状 | 第8-9页 |
| ·本文的研究路线和内容安排 | 第9-11页 |
| 2 B样条理论基础 | 第11-16页 |
| ·B样条基本理论 | 第11-12页 |
| ·基于最小二乘的B样条曲线拟合方法 | 第12-14页 |
| ·基于最小二乘的B样条曲面拟合方法 | 第14-16页 |
| 3 基于B样条神经网络的BRDF拟合算法 | 第16-27页 |
| ·神经网络概述 | 第16-17页 |
| ·人工神经网络模型 | 第16-17页 |
| ·神经网络的特点 | 第17页 |
| ·B样条神经网络拟合模型 | 第17-23页 |
| ·B样条网络结构 | 第17-19页 |
| ·权值修正过程 | 第19-23页 |
| ·权值初始化过程 | 第23页 |
| ·算法结果分析 | 第23-24页 |
| ·模拟仿真 | 第24-27页 |
| 4 基于B样条支持向量机的BRDF拟合算法 | 第27-37页 |
| ·基于支持向量机的B样条拟合算法 | 第27-30页 |
| ·支持向量机的统计学习理论 | 第27-28页 |
| ·支持向量机算法原理 | 第28-30页 |
| ·B样条核函数 | 第30页 |
| ·凸二次规划问题的求解 | 第30-34页 |
| ·Frank-Wolfe算法 | 第31-32页 |
| ·单纯形算法 | 第32-34页 |
| ·算法性能分析 | 第34-37页 |
| ·泛化性能分析 | 第34-35页 |
| ·时间复杂度与精度 | 第35页 |
| ·处理大规模数据的能力 | 第35-37页 |
| 5 基于Matlab与C++混合编程的应用程序实现 | 第37-47页 |
| ·VC++6.0调用Matlab的几种方法 | 第37-41页 |
| ·Matlab Engine调用法 | 第37-38页 |
| ·利用mcc编译器生成cpp文件和h文件 | 第38-39页 |
| ·用Matcom将Matlab的m文件编译成C++文件 | 第39-40页 |
| ·VC++通过COM组件技术调用 | 第40-41页 |
| ·基于MFC的应用程序创建 | 第41-45页 |
| ·MFC概述 | 第41-42页 |
| ·应用程序创建过程 | 第42-45页 |
| ·应用程序运行结果 | 第45-47页 |
| 总结与展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52页 |