| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9页 |
| 1.2 国内外相关研究现状及发展趋势 | 第9-13页 |
| 1.2.1 木材染色计算机配色研究现状及发展趋势 | 第9-10页 |
| 1.2.2 人工神经网络研究现状及发展趋势 | 第10-11页 |
| 1.2.3 模糊算法研究现状及发展趋势 | 第11-12页 |
| 1.2.4 遗传算法研究现状及发展趋势 | 第12-13页 |
| 1.3 研究目的、意义及内容 | 第13-14页 |
| 1.3.1 研究目的 | 第13页 |
| 1.3.2 研究意义 | 第13页 |
| 1.3.3 研究内容 | 第13-14页 |
| 1.4 技术路线 | 第14-15页 |
| 1.5 论文章节安排 | 第15-16页 |
| 2 基于RBF神经网络的木材染色配色模型 | 第16-25页 |
| 2.1 人工神经网络基础 | 第16-21页 |
| 2.1.1 人工神经元模型 | 第16-17页 |
| 2.1.2 人工神经网络结构 | 第17-18页 |
| 2.1.3 人工神经网络的主要类型 | 第18-19页 |
| 2.1.4 神经网络模型分析与选取 | 第19-21页 |
| 2.2 基于RBFNN的染色配色模型建立 | 第21-22页 |
| 2.3 仿真结果与分析 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于模糊RBF神经网络的木材染色配色模型 | 第25-35页 |
| 3.1 模糊集理论概述 | 第25-28页 |
| 3.1.1 模糊集的定义 | 第26页 |
| 3.1.2 模糊集的基本运算 | 第26-28页 |
| 3.1.3 模糊系统的T-S模型 | 第28页 |
| 3.2 基于模糊RBF神经网络的木材染色配色模型建立 | 第28-32页 |
| 3.2.1 模糊逻辑与神经网络的结合 | 第28-29页 |
| 3.2.2 模糊RBF神经网络结构 | 第29-30页 |
| 3.2.3 模糊RBF神经网络学习算法 | 第30-32页 |
| 3.3 仿真结果与分析 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 基于遗传算法全局优化的RBF神经网络的木材染色配色模型 | 第35-42页 |
| 4.1 遗传算法概述 | 第35-38页 |
| 4.1.1 遗传算法的定义 | 第35页 |
| 4.1.2 遗传算法描述的一般模型 | 第35-38页 |
| 4.1.3 遗传算法的基本操作 | 第38页 |
| 4.2 基于遗传算法全局优化RBF神经网络的木材染色配色模型建立 | 第38-39页 |
| 4.3 仿真结果与分析 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 5 木材染色计算机自动配色系统的实现 | 第42-49页 |
| 5.1 模型的选取 | 第42页 |
| 5.2 系统设计原理 | 第42-43页 |
| 5.3 配色系统的设计 | 第43-45页 |
| 5.3.1 配色系统设计基础 | 第43页 |
| 5.3.2 算法实现 | 第43-45页 |
| 5.4 系统组成 | 第45-48页 |
| 5.5 本章小结 | 第48-49页 |
| 结论 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-70页 |
| 攻读学位期间发表的学术论文 | 第70-71页 |
| 致谢 | 第71-72页 |
