基于神经网络集成的人体体型分析与号型归档研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-22页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·课题研究背景 | 第10-11页 |
| ·课题研究意义 | 第11页 |
| ·相关研究现状 | 第11-17页 |
| ·人体体型分类研究现状 | 第11-13页 |
| ·服装号型研究现状 | 第13-14页 |
| ·服装号型自动归档研究现状 | 第14-17页 |
| ·小结 | 第17页 |
| ·课题主要研究内容 | 第17-18页 |
| ·课题创新点 | 第18页 |
| ·章节安排 | 第18-19页 |
| ·研究技术路线 | 第19-22页 |
| 第二章 三维人体测量数据采集 | 第22-30页 |
| ·三维人体测量 | 第22-23页 |
| ·测量对象 | 第22页 |
| ·样本容量 | 第22-23页 |
| ·测量设备 | 第23页 |
| ·测量条件 | 第23页 |
| ·三维测量项目与数据预处理 | 第23-25页 |
| ·测量项目 | 第23-24页 |
| ·控制部位数据预处理 | 第24-25页 |
| ·体表角度提取与数据预处理 | 第25-30页 |
| ·二维图像轮廓线提取 | 第25-26页 |
| ·体表特征分析 | 第26-27页 |
| ·体表特征点提取与角度计算 | 第27-30页 |
| 第三章 人体体型细分与自动识别 | 第30-40页 |
| ·体表角度偏相关分析 | 第30-32页 |
| ·偏相关性分析原理 | 第30页 |
| ·角度偏相关分析 | 第30-32页 |
| ·人体体形分类 | 第32-34页 |
| ·K-means 聚类分析原理 | 第32-33页 |
| ·体型分类 | 第33-34页 |
| ·体形分布分析 | 第34-36页 |
| ·国标体型分布 | 第34-35页 |
| ·细分体型分布 | 第35-36页 |
| ·体型自动识别 | 第36-39页 |
| ·神经网络集成原理 | 第36页 |
| ·BP-Adaboost 识别模型构建 | 第36-37页 |
| ·体型自动识别的实现 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 服装号型规格库优化 | 第40-47页 |
| ·各细分体型的号型分布 | 第40-43页 |
| ·人体试衣实验 | 第40-41页 |
| ·上装号型分布 | 第41-42页 |
| ·下装号型分布 | 第42-43页 |
| ·各细分体型对应控制部位数值 | 第43-46页 |
| ·样本体表角度分布分析 | 第43-44页 |
| ·控制部位数值计算 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 服装号型自动归档模型构建 | 第47-64页 |
| ·号型归档模型构建原理 | 第47-48页 |
| ·号型归档原理 | 第47页 |
| ·神经网络归档模型构建原理 | 第47-48页 |
| ·建模变量筛选 | 第48-51页 |
| ·MIV 算法原理 | 第48页 |
| ·简单 BP 神经网络模型构建 | 第48-50页 |
| ·变量筛选 | 第50-51页 |
| ·集成归档模型构建 | 第51-55页 |
| ·Adaboost 算法原理 | 第51-52页 |
| ·集成归档模型构建 | 第52-55页 |
| ·服装号型自动归档系统构建 | 第55-62页 |
| ·系统设计与分析 | 第55页 |
| ·系统主要功能模块的实现 | 第55-60页 |
| ·系统演示 | 第60-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录1 测量项目 | 第71-72页 |
| 附录2 号型规格库 | 第72-79页 |
| 附录3 部分算法程序代码摘录 | 第79-81页 |
| 致谢 | 第81页 |
