| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景及意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-24页 |
| 1.2.1 形态设计方法研究 | 第16-17页 |
| 1.2.2 特征及提取方法研究 | 第17-18页 |
| 1.2.3 感性评价方法研究 | 第18-21页 |
| 1.2.4 形态设计与评价软件系统 | 第21-22页 |
| 1.2.5 计算机辅助拖拉机形态设计和评价方法的研究 | 第22-24页 |
| 1.3 轮式拖拉机形态设计与评价亟待解决的问题 | 第24页 |
| 1.4 主要研究内容和组织结构 | 第24-28页 |
| 1.4.1 研究内容 | 第24-25页 |
| 1.4.2 研究思路与论文组织框架 | 第25-28页 |
| 第二章 轮式拖拉机前脸特征的提取 | 第28-50页 |
| 2.1 前脸特征提取方法 | 第28-30页 |
| 2.2 轮式拖拉机的前脸特征 | 第30-33页 |
| 2.2.1 特征的概念 | 第30-31页 |
| 2.2.2 前脸特征 | 第31页 |
| 2.2.3 轮式拖拉机前脸特征与属性 | 第31-33页 |
| 2.3 拖拉机形态设计样本的确定 | 第33-37页 |
| 2.3.1 拖拉机形态设计样本的收集 | 第33-34页 |
| 2.3.2 前脸特征确定试验 | 第34-36页 |
| 2.3.3 前脸特征样本预处理及初步筛选 | 第36页 |
| 2.3.4 前脸特征提取样本的筛选 | 第36-37页 |
| 2.4 前脸特征获取 | 第37-42页 |
| 2.4.1 形态分析法的前脸特征提取 | 第37-38页 |
| 2.4.2 用户现场绘制的前脸特征提取 | 第38-40页 |
| 2.4.3 图像识别获取前脸特征 | 第40-42页 |
| 2.5 拖拉机前脸特征分析 | 第42-49页 |
| 2.5.1 拖拉机前脸特征线性分析 | 第42-46页 |
| 2.5.2 前脸特征绘制 | 第46页 |
| 2.5.3 拖拉机形态设计样本前脸特征分解 | 第46-49页 |
| 2.6 本章小结 | 第49-50页 |
| 第三章 感性评价语意空间的建立 | 第50-62页 |
| 3.1 感性评价语意空间 | 第50页 |
| 3.2 研究方法与工具 | 第50-53页 |
| 3.2.1 感性工学研究方法 | 第50-51页 |
| 3.2.2 统计方法与工具 | 第51-53页 |
| 3.3 感性工学语意词汇的收集 | 第53-54页 |
| 3.3.1 感性工学的语意描述 | 第53-54页 |
| 3.3.2 轮式拖拉机感性词汇收集 | 第54页 |
| 3.4 词汇空间确定试验 | 第54-60页 |
| 3.4.1 试验用感性语意词汇的筛选 | 第54-56页 |
| 3.4.2 语意词汇对分群试验 | 第56页 |
| 3.4.3 分群试验结果分析 | 第56-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第四章 基于多算法的感性评价模型构建 | 第62-90页 |
| 4.1 感性评价建模方法概述 | 第62-63页 |
| 4.2 样本数据采集 | 第63-67页 |
| 4.2.1 感性语意评价方法 | 第63-65页 |
| 4.2.2 试验数据采集方法 | 第65页 |
| 4.2.3 感性评价数据采集结果 | 第65-67页 |
| 4.3 基于BP神经网络的感性评价模型构建 | 第67-76页 |
| 4.3.1 BP网络结构 | 第67页 |
| 4.3.2 BP网络学习法 | 第67-70页 |
| 4.3.3 BP神经网络数据处理 | 第70页 |
| 4.3.4 BP网络隐层神经元数确定 | 第70页 |
| 4.3.5 基于BP神经网络的感性评价模型构建 | 第70-75页 |
| 4.3.6 轮式拖拉机形态设计感性BP模型训练及验证 | 第75-76页 |
| 4.4 基于GA-BP神经网络的感性评价模型构建 | 第76-81页 |
| 4.4.1 基于GA-BP网络的感性评价建模方法 | 第77-79页 |
| 4.4.2 基于GA-BP神经网络的感性评价模型训练与验证 | 第79-81页 |
| 4.5 基于SVM的感性评价模型构建 | 第81-85页 |
| 4.5.1 SVM原理 | 第81-82页 |
| 4.5.2 基于SVM的感性评价模型 | 第82-83页 |
| 4.5.3 基于SVM感性评价模型的训练与验证 | 第83-85页 |
| 4.6 基于GA-SVM的感性评价模型 | 第85-88页 |
| 4.6.1 GA-SVM原理及结构 | 第85-87页 |
| 4.6.2 基于GA-SVM模型的训练与验证 | 第87-88页 |
| 4.7 几种算法模型的对比与分析 | 第88-89页 |
| 4.8 本章小结 | 第89-90页 |
| 第五章 基于GA算法的轮式拖拉机形态设计模型构建 | 第90-102页 |
| 5.1 轮式拖拉机形态设计 | 第90-92页 |
| 5.1.1 轮式拖拉机形态概述 | 第90-91页 |
| 5.1.2 形态设计方法 | 第91-92页 |
| 5.2 基于GA算法的轮式拖拉机形态设计模型框架 | 第92-93页 |
| 5.3 基于BP神经网络的适应度函数确定 | 第93-96页 |
| 5.3.1 用户满意度 | 第93页 |
| 5.3.2 用户满意度和前脸特征要素之间的映射关系 | 第93页 |
| 5.3.3 构建模型数据采集 | 第93-94页 |
| 5.3.4 基于BP神经网络的满意度模型 | 第94-96页 |
| 5.4 基于GA算法的轮式拖拉机形态设计模型构建 | 第96-100页 |
| 5.4.1 基因的确定 | 第96-97页 |
| 5.4.2 基因编码 | 第97-99页 |
| 5.4.3 初始种群确定 | 第99页 |
| 5.4.4 遗传算子操作 | 第99-100页 |
| 5.4.5 终止策略 | 第100页 |
| 5.5 遗传算法优化过程及结果 | 第100-101页 |
| 5.6 本章小结 | 第101-102页 |
| 第六章 轮式拖拉机形态设计与感性评价系统开发 | 第102-112页 |
| 6.1 轮式拖拉机形态设计与评价系统构架 | 第102-105页 |
| 6.1.1 软件设计目标 | 第102页 |
| 6.1.2 设计步骤 | 第102页 |
| 6.1.3 轮式拖拉机形态设计与感性评价系统结构 | 第102-103页 |
| 6.1.4 系统开发相关技术 | 第103页 |
| 6.1.5 界面设计的实现 | 第103-105页 |
| 6.2 用户关系模块 | 第105页 |
| 6.3 轮式拖拉机形态设计与评价模块 | 第105-111页 |
| 6.3.1 形态设计模块 | 第105-106页 |
| 6.3.2 设计评价界面模块 | 第106页 |
| 6.3.3 软件效果演示 | 第106-111页 |
| 6.4 本章小结 | 第111-112页 |
| 第七章 结论与展望 | 第112-114页 |
| 7.1 结论 | 第112-113页 |
| 7.2 创新点 | 第113页 |
| 7.3 展望 | 第113-114页 |
| 参考文献 | 第114-122页 |
| 附录 | 第122-132页 |
| 致谢 | 第132-134页 |
| 作者简介 | 第134页 |
