| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 计算机配色研究现状 | 第12-13页 |
| 1.2.1 计算机配色国外研究现状 | 第12页 |
| 1.2.2 计算机配色国内研究现状 | 第12-13页 |
| 1.3 计算机配色常见方式及其比较分析 | 第13-14页 |
| 1.3.1 色号归档检索法 | 第13页 |
| 1.3.2 全光谱匹配法 | 第13页 |
| 1.3.3 三刺激值匹配法 | 第13-14页 |
| 1.4 论文主要研究的内容 | 第14-15页 |
| 1.5 论文章节安排 | 第15-16页 |
| 第二章 BP神经网络原理 | 第16-26页 |
| 2.1 神经元模型 | 第16-18页 |
| 2.1.1 生物神经元模型 | 第16页 |
| 2.1.2 人工神经元模型 | 第16-17页 |
| 2.1.3 神经元的激活转移函数 | 第17-18页 |
| 2.2 人工神经网络模型 | 第18页 |
| 2.3 人工神经网络的学习规则 | 第18-19页 |
| 2.3.1 监督学习算法 | 第19页 |
| 2.3.2 无监督学习算法 | 第19页 |
| 2.3.3 灌输式学习算法 | 第19页 |
| 2.4 BP神经网络 | 第19-24页 |
| 2.4.1 基本BP学习算法 | 第20-23页 |
| 2.4.2 基本BP算法的优点与缺点 | 第23-24页 |
| 2.5 BP算法的改进 | 第24-25页 |
| 2.5.1 附加动量法 | 第24页 |
| 2.5.2 自适应调节学习速率 | 第24-25页 |
| 2.5.3 引入遗传算法 | 第25页 |
| 2.6 本章小结 | 第25-26页 |
| 第三章 基于BP神经网络的配色模型 | 第26-34页 |
| 3.1 织物颜色表征 | 第26-27页 |
| 3.1.1 颜色视觉 | 第26页 |
| 3.1.2 颜色计量原理 | 第26-27页 |
| 3.1.3 RGB值的计算法 | 第27页 |
| 3.2 教师样本集采集 | 第27-30页 |
| 3.3 教师样本归一化 | 第30页 |
| 3.4 BP神经网络结构设计 | 第30-32页 |
| 3.4.1 隐含层层数设计 | 第30-31页 |
| 3.4.2 隐含层节点数设计 | 第31-32页 |
| 3.5 基于BP神经网络的配色流程 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 遗传算法优化的BP神经网络配色模型 | 第34-46页 |
| 4.1 遗传算法简介 | 第34页 |
| 4.2 遗传算法的计算原理与特点 | 第34-37页 |
| 4.2.1 遗传算法的计算原理 | 第34-36页 |
| 4.2.2 遗传算法的特点 | 第36-37页 |
| 4.3 遗传算法与神经网络的结合 | 第37-38页 |
| 4.3.1 遗传算法直接优化BP神经网络的参数 | 第37页 |
| 4.3.2 遗传算法优化BP神经网络的初始参数 | 第37-38页 |
| 4.4 遗传算法优化的BP神经网络算法设计 | 第38-44页 |
| 4.4.1 染色体编码与解码 | 第39-40页 |
| 4.4.2 初始群体大小 | 第40-41页 |
| 4.4.3 适应度函数的设计 | 第41页 |
| 4.4.4 遗传操作 | 第41-44页 |
| 4.5 算法流程图 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 印染配色处方预测模型的仿真实验 | 第46-55页 |
| 5.1 MATLAB实验平台介绍 | 第46页 |
| 5.2 仿真实验 | 第46-53页 |
| 5.2.1 BP神经网络配色模型仿真 | 第46-50页 |
| 5.2.2 基于遗传算法的BP神经网络配色模型仿真 | 第50-53页 |
| 5.3 本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-71页 |
| 硕士学位期间的研究成果及发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |