摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-18页 |
1.1 本文研究背景 | 第11-12页 |
1.2 国内外相关理论的研究现状综述 | 第12-14页 |
1.2.1 旗袍发展的研究现状 | 第12-13页 |
1.2.2 BP神经网络在服装样板参数化设计中的应用 | 第13-14页 |
1.3 研究内容及意义 | 第14-17页 |
1.3.1 研究内容 | 第14-16页 |
1.3.2 研究意义 | 第16-17页 |
1.4 本章小结 | 第17-18页 |
第二章 生活装旗袍纸样设计 | 第18-35页 |
2.1 生活装旗袍款式的确定 | 第18-20页 |
2.2 规格参数的确定 | 第20页 |
2.3 人体数据采集 | 第20-25页 |
2.3.1 人体测量技术 | 第20-22页 |
2.3.2 测量项目及方法 | 第22-23页 |
2.3.3 测量对象 | 第23-25页 |
2.4 旗袍纸样的绘制方法 | 第25-27页 |
2.5 结构设计 | 第27-33页 |
2.5.1 后片结构设计 | 第27-29页 |
2.5.2 前片结构设计 | 第29-31页 |
2.5.3 领片结构设计 | 第31-32页 |
2.5.4 袖片结构设计 | 第32-33页 |
2.6 本章小结 | 第33-35页 |
第三章 纸样规格参数推理模型的建立 | 第35-46页 |
3.1 BP神经网络概述 | 第35-38页 |
3.2 BP神经网络的结构设计与参数选取 | 第38-41页 |
3.2.1 输入层节点和输出层节点的选择 | 第38页 |
3.2.2 隐含层层数的选择 | 第38-39页 |
3.2.3 隐含层节点的选择 | 第39页 |
3.2.4 BP神经网络激活函数的选择 | 第39-40页 |
3.2.5 BP神经网络初始权值的选择 | 第40页 |
3.2.6 BP神经网络学习率的选择 | 第40-41页 |
3.3 网络的构建和训练 | 第41-45页 |
3.3.1 网络的构建 | 第41-42页 |
3.3.2 网络的训练 | 第42-43页 |
3.3.3 网络的测试 | 第43-45页 |
3.4 本章小结 | 第45-46页 |
第四章 旗袍参数化样板模型的实现 | 第46-62页 |
4.1 旗袍样板的参数化设计原理 | 第46-52页 |
4.1.1 参数化设计概念 | 第46-47页 |
4.1.2 约束推理求解 | 第47-49页 |
4.1.3 参数化几何模型 | 第49-52页 |
4.2 参数化样板模型建立 | 第52-57页 |
4.2.1 后片生成规则设计 | 第53-54页 |
4.2.2 前片生成规则设计 | 第54-56页 |
4.2.3 领片生成规则设计 | 第56页 |
4.2.4 袖片生成规则设计 | 第56-57页 |
4.3 旗袍样板自动生成的实现 | 第57-61页 |
4.3.1 数字化样板自动生成系统概述 | 第57-58页 |
4.3.2 Auto CAD二次开发原理 | 第58页 |
4.3.3 系统主要模块设计 | 第58-60页 |
4.3.4 参数化绘图功能实现 | 第60-61页 |
4.4 本章小结 | 第61-62页 |
第五章 智能纸样的可用性验证 | 第62-75页 |
5.1 旗袍智能样版的可用性分析 | 第62-63页 |
5.2 旗袍智能样板虚拟试衣验证 | 第63-70页 |
5.2.1 虚拟试衣系统概述 | 第63-64页 |
5.2.2 旗袍样版虚拟试衣显示 | 第64-68页 |
5.2.3 旗袍样版虚拟试衣效果 | 第68-69页 |
5.2.4 旗袍样版虚拟试衣结果评价 | 第69-70页 |
5.3 成衣效果评价 | 第70-74页 |
5.3.1 实验设计 | 第70-71页 |
5.3.2 制作样衣 | 第71-72页 |
5.3.3 专家评价及分析 | 第72-74页 |
5.4 本章小结 | 第74-75页 |
第六章 总结与展望 | 第75-77页 |
6.1 总结 | 第75页 |
6.2 创新点 | 第75页 |
6.3 研究的局限性 | 第75-77页 |
参考文献 | 第77-81页 |
附录一 | 第81-83页 |
附录二 | 第83-89页 |
附录三 | 第89-92页 |
发表论文以及学术成果 | 第92-93页 |
致谢 | 第93页 |