| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-26页 |
| ·研究背景与意义 | 第13-16页 |
| ·研究背景 | 第13-15页 |
| ·研究意义 | 第15-16页 |
| ·研究现状 | 第16-22页 |
| ·IDSS发展现状与趋势 | 第16-18页 |
| ·服饰适配研究现状 | 第18-20页 |
| ·服饰虚拟试着研究现状 | 第20-22页 |
| ·主要研究内容与创新点 | 第22-24页 |
| ·主要研究内容 | 第22-23页 |
| ·创新点 | 第23-24页 |
| ·本文组织结构 | 第24-26页 |
| 第二章 模糊筛选的服饰智能适配建模 | 第26-47页 |
| ·引言 | 第26-27页 |
| ·理论研究 | 第27-34页 |
| ·服饰适配问题建模 | 第27-30页 |
| ·模糊多目标决策 | 第30-32页 |
| ·服饰适配模糊筛选 | 第32-33页 |
| ·服饰适配专家系统 | 第33-34页 |
| ·基于专家系统与模糊筛选的服饰智能适配模型 | 第34-42页 |
| ·模糊语言评价集 | 第34-37页 |
| ·属性选择及权重确定 | 第37-38页 |
| ·服饰适配专家系统模型 | 第38-40页 |
| ·模糊筛选计算FCSI | 第40-42页 |
| ·模型验证及分析 | 第42-46页 |
| ·系统结构 | 第43页 |
| ·实验结果及分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 改进TSFNN模型与服饰适配知识自学习研究 | 第47-70页 |
| ·引言 | 第47-48页 |
| ·理论基础 | 第48-51页 |
| ·Takagi-Sugeno模糊神经网络 | 第48-49页 |
| ·粒子群优化 | 第49-50页 |
| ·遗传算法 | 第50-51页 |
| ·基于模糊聚类和PSO与GA混合学习的改进TSFNN模型 | 第51-60页 |
| ·TSFNN模型结构 | 第52-55页 |
| ·用于规则约简的模糊聚类算法 | 第55-57页 |
| ·一类PSO和GA混合的TSFNN参数学习算法 | 第57-60页 |
| ·基于改进TSFNN的服饰适配知识自学习模型 | 第60-64页 |
| ·服饰适配知识自学习模型 | 第60-61页 |
| ·基于知识的属性评估专家系统 | 第61-63页 |
| ·整体适配评估的TSFNN结构 | 第63-64页 |
| ·模型验证及分析 | 第64-68页 |
| ·数据准备 | 第64页 |
| ·TSFNN模型的学习 | 第64-67页 |
| ·测试与结果分析 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第四章 边编码GA算法的BBN结构学习及其服饰适配行为挖掘研究 | 第70-91页 |
| ·引言 | 第70-71页 |
| ·基于BBN的服饰适配行为挖掘理论分析 | 第71-75页 |
| ·BBN概述 | 第71-73页 |
| ·基于BBN的服饰适配行为挖掘建模 | 第73-75页 |
| ·用于BBN结构学习的边编码GA算法 | 第75-81页 |
| ·BBN模型 | 第75-76页 |
| ·EGA算法 | 第76-81页 |
| ·编码方案 | 第76-77页 |
| ·边空间屏蔽 | 第77-78页 |
| ·适应度函数 | 第78-79页 |
| ·EGA算子 | 第79-81页 |
| ·结束条件与控制参数 | 第81页 |
| ·基于BBN的服饰适配行为挖掘模型 | 第81-85页 |
| ·服饰适配行为属性选择 | 第81页 |
| ·模型验证与结果分析 | 第81-85页 |
| ·BBN模型在服饰适配行为决策支持中的应用 | 第85-90页 |
| ·服饰适配行为决策 | 第85-89页 |
| ·诊断与咨询 | 第89-90页 |
| ·本章小结 | 第90-91页 |
| 第五章 体型特征点自动识别与实时适配研究 | 第91-115页 |
| ·引言 | 第91-92页 |
| ·服饰实时适配理论分析 | 第92-96页 |
| ·虚拟试着概述 | 第92-93页 |
| ·服饰真人实时适配 | 第93-96页 |
| ·基于二维图像的服饰实时适配试着模型 | 第96-100页 |
| ·服饰二维试着图像库的生成 | 第98-99页 |
| ·基于二维图像的体型特征点识别 | 第99页 |
| ·图像卷绕 | 第99-100页 |
| ·真人图像与卷绕图像的合成 | 第100页 |
| ·基于二维图像的体型特征点自动识别算法 | 第100-104页 |
| ·人体体型特征点定义 | 第100-101页 |
| ·体型特征点自动识别算法 | 第101-104页 |
| ·预处理 | 第102页 |
| ·边缘检测 | 第102页 |
| ·轮廓提取 | 第102-104页 |
| ·确定关键点位置 | 第104页 |
| ·基于图像卷绕的实时适配试着算法 | 第104-108页 |
| ·图像卷绕的数学模型 | 第105-106页 |
| ·双线性插值算法 | 第106-107页 |
| ·实时适配试着算法 | 第107-108页 |
| ·实验结果 | 第108-114页 |
| ·体型特征点数确定 | 第108-112页 |
| ·体型特征点自动识别 | 第112-113页 |
| ·自动服饰实时适配试着的实现 | 第113-114页 |
| ·本章小结 | 第114-115页 |
| 第六章 服饰智能适配系统的集成与应用 | 第115-136页 |
| ·引言 | 第115页 |
| ·系统应用集成 | 第115-123页 |
| ·总体架构 | 第116-118页 |
| ·系统应用集成 | 第118-123页 |
| ·基于RFID的用户与服饰智能识别 | 第119-121页 |
| ·面向服务的中间件模型结构 | 第121-122页 |
| ·基于C/S结构的远程数据访问模型 | 第122-123页 |
| ·系统实现 | 第123-131页 |
| ·软件框架及主界面 | 第123-124页 |
| ·数据库结构 | 第124-125页 |
| ·RFID智能识别的管理和维护 | 第125-126页 |
| ·知识收集与服饰智能适配决策 | 第126-129页 |
| ·TSFNN模型实现 | 第129页 |
| ·Bayesian信念网络模型实现 | 第129-130页 |
| ·适配试着实现 | 第130-131页 |
| ·应用结果 | 第131-135页 |
| ·智能适配试衣镜子系统 | 第132-133页 |
| ·智能适配试衣间子系统 | 第133-135页 |
| ·成果影响 | 第135页 |
| ·本章小结 | 第135-136页 |
| 第七章 总结与展望 | 第136-138页 |
| ·总结 | 第136页 |
| ·展望 | 第136-138页 |
| 参考文献 | 第138-147页 |
| 攻读博士学位期间的成果 | 第147-149页 |
| 致谢 | 第149页 |
