| 第一章 绪论 | 第1-19页 |
| ·逆向工程技术及其应用 | 第13-15页 |
| ·人工神经网络技术及其应用 | 第15-18页 |
| ·人工神经网络原理和结构 | 第15-16页 |
| ·人工神经网络的发展史 | 第16-17页 |
| ·人工神经网络的分类、特点及应用 | 第17-18页 |
| ·论文选题依据及研究内容 | 第18-19页 |
| 第二章 基于散乱数据点的数据简化技术 | 第19-29页 |
| ·引言 | 第19页 |
| ·散乱数据点聚类 | 第19-22页 |
| ·数据简化 | 第22-24页 |
| ·基于距离最近的数据简化方法 | 第22页 |
| ·基于MLS 的数据简化方法 | 第22-24页 |
| ·应用实例 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于SOM 神经网络的曲面重建 | 第29-51页 |
| ·引言 | 第29-30页 |
| ·SOM 神经网络简介 | 第30-32页 |
| ·SOM 神经网络原理 | 第30页 |
| ·SOM 神经网络的结构 | 第30-31页 |
| ·SOM 神经网络学习规则 | 第31-32页 |
| ·SOM 神经网络相关参数选取及网络设计 | 第32-37页 |
| ·学习率和邻域半径函数形式的选取 | 第32-34页 |
| ·输出层神经元个数的选取 | 第34-35页 |
| ·SOM 神经网络的设计 | 第35页 |
| ·改进的SOM 神经网络的初始化方法 | 第35-37页 |
| ·基于SOM 的曲面重建 | 第37-44页 |
| ·数据点的分片及神经网络的分片学习 | 第37-38页 |
| ·网格的拼接 | 第38-39页 |
| ·边界学习 | 第39-41页 |
| ·曲面生成 | 第41-43页 |
| ·控制顶点反算 | 第41-42页 |
| ·节点矢量参数化 | 第42-43页 |
| ·曲面误差调整 | 第43-44页 |
| ·误差调整 | 第43-44页 |
| ·误差显示 | 第44页 |
| ·应用实例 | 第44-49页 |
| ·本章小结 | 第49-51页 |
| 第四章 基于RBF 神经网络的三角网格曲面孔洞修补 | 第51-66页 |
| ·引言 | 第51-52页 |
| ·RBF 神经网络原理及学习算法 | 第52-56页 |
| ·基于RBF 神经网络的三角网格曲面孔洞修补算法 | 第56-61页 |
| ·孔洞的检测与排序 | 第56-57页 |
| ·空间坐标系的转换 | 第57页 |
| ·孔洞的平面填充 | 第57-59页 |
| ·孔洞平面填充 | 第58页 |
| ·新增三角片位置合法性的检查 | 第58-59页 |
| ·新增三角片法矢的一致性调整 | 第59页 |
| ·训练样本点的采集 | 第59-60页 |
| ·RBF 网络的设计与训练 | 第60-61页 |
| ·孔洞的修补 | 第61页 |
| ·应用实例 | 第61-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·全文总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73-74页 |
| 附录本文自定义的主要数据结构 | 第74-77页 |