| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 色纺纱配色简介 | 第9-12页 |
| 1.1.1 色纤维混合模型的国内外现状 | 第10-11页 |
| 1.1.2 计算机配色的国内外现状 | 第11-12页 |
| 1.2 课题研究内容与意义 | 第12-15页 |
| 第二章 计算机配色 | 第15-29页 |
| 2.1 色和光的基础知识 | 第15页 |
| 2.2 计算机配色方法 | 第15-17页 |
| 2.3 实验部分 | 第17-19页 |
| 2.3.1 实验材料 | 第17-18页 |
| 2.3.2 实验仪器 | 第18-19页 |
| 2.3.3 实验样品的制备 | 第19页 |
| 2.3.4 测色方法 | 第19页 |
| 2.4 基于DATACOLOR MATCH系统配色 | 第19-22页 |
| 2.4.1 基础数据库的建立 | 第20-21页 |
| 2.4.2 系统配色 | 第21页 |
| 2.4.3 结果分析 | 第21-22页 |
| 2.5 基于KUBELKA-BUNK理论配色算法 | 第22-28页 |
| 2.5.1 KUBELKA-MUNK理论的介绍 | 第22-23页 |
| 2.5.2 线性最小二乘法的思想 | 第23-24页 |
| 2.5.3 理论的配色应用 | 第24-25页 |
| 2.5.4 结果分析 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于Origin非线性拟合功能配色算法 | 第29-39页 |
| 3.1 拟合的概念和常用方法 | 第29-30页 |
| 3.1.1 拟合的分类 | 第29-30页 |
| 3.1.2 拟合的优度 | 第30页 |
| 3.2 Origin非线性拟合实现色纤维混合配色 | 第30-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于BP神经网络预测色纺纱配色算法 | 第39-51页 |
| 4.1 BP神经网络预测模型 | 第39-42页 |
| 4.1.1 模型的构建 | 第40-41页 |
| 4.1.2 模型的训练 | 第41-42页 |
| 4.2 改进神经网络(Ga-BP)模型 | 第42-46页 |
| 4.2.1 Ga-BP神经网络模型的构建 | 第43页 |
| 4.2.2 GA-BP神经网络和BP神经网络性能比较 | 第43-46页 |
| 4.3 结果分析 | 第46-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 课题总结与展望 | 第51-53页 |
| 5.1 课题总结 | 第51-52页 |
| 5.2 课题展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 硕士期间发表论文 | 第57-59页 |
| 致谢 | 第59页 |