摘要 | 第1-5页 |
Abstract | 第5-10页 |
第1章 绪论 | 第10-18页 |
·课题的研究背景及意义 | 第10-11页 |
·课题的研究背景 | 第10页 |
·课题的研究意义 | 第10-11页 |
·相关研究现状 | 第11-16页 |
·胸部形态的研究现状 | 第11-13页 |
·文胸号型的研究现状 | 第13-14页 |
·截面曲线的研究现状 | 第14-15页 |
·LVQ神经网络的研究现状 | 第15-16页 |
·课题主要研究内容 | 第16-17页 |
·课题创新点 | 第17页 |
·研究思路 | 第17-18页 |
第2章 人体点云数据采集及参数提取 | 第18-26页 |
·三维人体扫描 | 第18-19页 |
·实验对象 | 第18页 |
·样本容量 | 第18页 |
·实验仪器 | 第18-19页 |
·实验条件及要求 | 第19页 |
·乳房特征参数的提取 | 第19-25页 |
·逆向工程软件简介 | 第19-20页 |
·点云数据预处理 | 第20页 |
·乳房特征点定义及边界曲线提取 | 第20-22页 |
·建立乳房局部坐标系及截面曲线提取 | 第22-23页 |
·乳房形态曲线的曲率半径测量 | 第23-24页 |
·人体尺寸参数选取与测量 | 第24-25页 |
·本章小结 | 第25-26页 |
第3章 乳房平均曲率半径参数与人体尺寸参数间的关系 | 第26-34页 |
·乳房特征参数值分析 | 第26-29页 |
·数据预处理 | 第26-27页 |
·正态性检验 | 第27-28页 |
·描述性统计分析 | 第28-29页 |
·乳房平均曲率半径参数与人体尺寸参数间的相关分析 | 第29-30页 |
·乳房平均曲率半径参数与人体尺寸参数间的回归分析 | 第30-32页 |
·逐步回归法 | 第30-31页 |
·回归模型的构建及分析 | 第31-32页 |
·本章小结 | 第32-34页 |
第4章 基于曲线平均曲率半径的胸型分类及文胸号型细分 | 第34-44页 |
·基于曲线平均曲率半径的胸型细分 | 第34-40页 |
·聚类指标及方法 | 第34-35页 |
·基于伪F统计量的最佳聚类数确定 | 第35-36页 |
·胸型细分 | 第36-40页 |
·“国标文胸号型+胸型”标识与样本分布 | 第40页 |
·为国标中的“型”与胸型结合后的样本分布 | 第40-42页 |
·不同胸型的文胸结构设计 | 第42页 |
·本章小结 | 第42-44页 |
第5章 胸型识别模型构建 | 第44-50页 |
·LVQ神经网络简介 | 第44-46页 |
·Kohohen竞争算法 | 第44页 |
·LVQ神经网络的结构 | 第44-45页 |
·LVQ神经网络学习算法 | 第45页 |
·LVQ神经网络的优点 | 第45-46页 |
·LVQ神经网络胸型识别模型构建 | 第46页 |
·输入层与输出层神经元数目的确定 | 第46页 |
·竞争层神经元数目的确定 | 第46页 |
·学习速率的确定 | 第46页 |
·网络训练及测试结果分析 | 第46-49页 |
·模型训练结果 | 第46-48页 |
·模型测试结果 | 第48-49页 |
·本章小结 | 第49-50页 |
第6章 青年女性文胸号型推荐系统 | 第50-59页 |
·系统设计与分析 | 第50页 |
·系统主要功能模块的实现 | 第50-52页 |
·用户信息及尺寸录入模块 | 第50-51页 |
·平均曲率半径计算模块 | 第51页 |
·文胸号型推荐模块 | 第51-52页 |
·乳房形态曲线显示模块 | 第52页 |
·系统开发工具及环境 | 第52-53页 |
·开发工具 | 第52-53页 |
·开发平台 | 第53页 |
·数据库系统 | 第53页 |
·服务器环境 | 第53页 |
·系统操作演示 | 第53-57页 |
·系统测评 | 第57-58页 |
·本章小结 | 第58-59页 |
第7章 结论与展望 | 第59-61页 |
·结论 | 第59-60页 |
·展望 | 第60-61页 |
参考文献 | 第61-65页 |
附录1 “国标文胸号型+胸型”样本分布 | 第65-67页 |
附录2 LVQ胸型识别模型代码 | 第67-68页 |
附录3 文胸号型推荐系统测评结果 | 第68-69页 |
攻读学位期间的研究成果 | 第69-70页 |
致谢 | 第70页 |