| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 服装工业化定制的发展、应用需求及新挑战 | 第9-11页 |
| 1.2 相关技术的国内外研究进展 | 第11-13页 |
| 1.2.1 非接触式人体数据采集 | 第11-12页 |
| 1.2.2 人体数据降维 | 第12-13页 |
| 1.2.3 基于三维模型的人体适体性评价 | 第13页 |
| 1.3 论文研究内容与目标 | 第13-14页 |
| 1.4 论文组织结构 | 第14-17页 |
| 第二章 面向服装工业定制的人体数据体系化研究方案 | 第17-23页 |
| 2.1 服装工业定制的理论框架 | 第17-19页 |
| 2.2 人体数据体系化研究 | 第19-21页 |
| 2.2.1 应用场景 | 第19-20页 |
| 2.2.2 系统功能列表 | 第20-21页 |
| 2.3 小结 | 第21-23页 |
| 第三章 非接触式人体数据采集的优化算法研究 | 第23-37页 |
| 3.1 人体数据采集的硬软件基础 | 第23-25页 |
| 3.2 最优测量姿态分析 | 第25-26页 |
| 3.3 非接触式人体数据采集的优化算法设计 | 第26-33页 |
| 3.3.1 输入项的相关性分析 | 第27页 |
| 3.3.2 交叉验证—广义回归神经网络模型 | 第27-29页 |
| 3.3.4 算例 | 第29-33页 |
| 3.4 优化算法的可行性验证 | 第33-34页 |
| 3.5 小结 | 第34-37页 |
| 第四章 人体数据降维和个性化人台拟合 | 第37-47页 |
| 4.1 集群数据预处理 | 第37-38页 |
| 4.2 人体数据降维 | 第38-39页 |
| 4.3 体型向个性化人台的转置 | 第39-45页 |
| 4.3.1 样本数据的分类变量计算 | 第39-42页 |
| 4.3.2 K均值聚类中心分析 | 第42-45页 |
| 4.4 个性化人台拟合 | 第45页 |
| 4.5 小结 | 第45-47页 |
| 第五章 基于服装三维CAD系统的人体适体性评价方法 | 第47-55页 |
| 5.1 适体性评价方法 | 第47-49页 |
| 5.2 适体性指标的选择 | 第49-50页 |
| 5.2.1 基于着装形式的服装自由区空间分类 | 第49-50页 |
| 5.2.2 评价指标 | 第50页 |
| 5.2.3 特征值提取 | 第50页 |
| 5.3 算法设计 | 第50-53页 |
| 5.3.1 程序自动化得分机制 | 第51-53页 |
| 5.3.2 设计者模糊综合评价得分 | 第53页 |
| 5.4 评价值对比 | 第53-54页 |
| 5.5 小结 | 第54-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 6.1 研究总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的学术论文 | 第61-63页 |
| 致谢 | 第63-65页 |
| 附录 | 第65-69页 |