| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-13页 |
| ·研究目的和意义 | 第6页 |
| ·研究内容 | 第6-7页 |
| ·国内外文献综述及相关领域的研究进展和成果 | 第7-8页 |
| ·人工神经网络概述 | 第7页 |
| ·聚类分析概述 | 第7-8页 |
| ·计算机织物染色配色综述 | 第8-13页 |
| ·计算机配色基础 | 第8-10页 |
| ·计算机配色系统研究现状 | 第10-13页 |
| 第二章 织物染色计算机配色中涉及的色度学原理 | 第13-18页 |
| ·基本色度学概念 | 第13-15页 |
| ·颜色和光 | 第13页 |
| ·颜色的混合 | 第13-14页 |
| ·色彩空间 | 第14-15页 |
| ·颜色的三刺激值与色度坐标的计算 | 第15-16页 |
| ·颜色的测量 | 第16页 |
| ·色差原理及计算 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于人工神经网络的织物染色计算机配色 | 第18-26页 |
| ·人工神经网络基础 | 第18-21页 |
| ·人工神经元模型 | 第18-19页 |
| ·神经网络的学习与训练 | 第19-20页 |
| ·几种典型的神经网络结构 | 第20-21页 |
| ·BP网络 | 第21-25页 |
| ·BP网络原理 | 第21-22页 |
| ·BP网络算法描述 | 第22-23页 |
| ·BP算法的局限性 | 第23页 |
| ·BP网络性能的改进 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 LAB色度空间下样本的聚类分析 | 第26-35页 |
| ·聚类分析基础 | 第26-28页 |
| ·聚类分析的基本概念 | 第26页 |
| ·聚类分析的数学模型 | 第26-28页 |
| ·聚类分析的分类 | 第28页 |
| ·基于目标函数的聚类 | 第28-30页 |
| ·HCM算法 | 第28-29页 |
| ·FCM算法 | 第29-30页 |
| ·CIE LAB色度空间下样本的聚类分析 | 第30-34页 |
| ·从RGB色度空间到CIE Lab色度空间的转换 | 第30-31页 |
| ·CIE Lab色度空间下样本的聚类分析示例 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 基于聚类的BP神经网络配色模型的设计 | 第35-46页 |
| ·样本集的构建 | 第35-41页 |
| ·样本数据的获取 | 第35-36页 |
| ·从RGB色彩空间到Lab色彩空间的转换 | 第36-39页 |
| ·样本数据的聚类分析 | 第39-40页 |
| ·样本数据的标准化 | 第40-41页 |
| ·基于聚类神经网络配色模型的设计 | 第41-45页 |
| ·网络模型的选择 | 第41页 |
| ·BP网络配色模型的构建 | 第41-42页 |
| ·网络结构参数的选取 | 第42-45页 |
| ·基于聚类的BP神经网络网络配色流程 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第六章 基于聚类的BP神经网络配色模型的仿真实验及结果分析 | 第46-56页 |
| ·仿真环境与实现 | 第46-47页 |
| ·MATLAB仿真软件 | 第46页 |
| ·MATLAB下网络的训练及仿真实现 | 第46-47页 |
| ·仿真结果及分析 | 第47-55页 |
| ·线性回归分析 | 第47-48页 |
| ·动量BP网络和LMBP网络训练结果对比 | 第48-52页 |
| ·样本聚类前后LMBP网络仿真结果对比 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第七章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
| 致谢 | 第62-64页 |