基于灰色马尔科夫模型与支持向量机的家纺流行色趋势预测应用研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 选题的背景与意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.2.3 存在的问题 | 第15页 |
| 1.3 研究的主要内容、方法和创新点 | 第15-18页 |
| 1.3.1 研究的主要内容 | 第15-16页 |
| 1.3.2 研究的主要方法 | 第16-17页 |
| 1.3.3 研究的创新点 | 第17-18页 |
| 第二章 流行色定案信息的分析和量化 | 第18-25页 |
| 2.1 确定研究对象 | 第18-21页 |
| 2.1.1 确定流行色定案 | 第18-19页 |
| 2.1.2 选择色彩体系 | 第19-21页 |
| 2.2 流行色的分类与量化 | 第21-23页 |
| 2.2.1 色彩属性分析 | 第21-22页 |
| 2.2.2 色相的分类统计 | 第22-23页 |
| 2.2.3 色相数据的特征分析 | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 预测模型理论概述 | 第25-32页 |
| 3.1 数据预测的基本理论 | 第25-28页 |
| 3.1.1 惯性原理 | 第25-26页 |
| 3.1.2 相关性原理 | 第26页 |
| 3.1.3 相似性原理 | 第26页 |
| 3.1.4 作用衰减原理 | 第26-27页 |
| 3.1.5 概论性原理 | 第27页 |
| 3.1.6 反馈原理 | 第27-28页 |
| 3.2 几种常用的趋势预测方法 | 第28-31页 |
| 3.2.1 时间序列预测模型 | 第28页 |
| 3.2.2 回归分析模型 | 第28页 |
| 3.2.3 灰色模型 | 第28-29页 |
| 3.2.4 马尔科夫模型 | 第29-30页 |
| 3.2.5 神经网络模型 | 第30页 |
| 3.2.6 支持向量机 | 第30-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 基于灰色马尔科夫模型的家纺流行色色相预测 | 第32-41页 |
| 4.1 灰色马尔科夫预测模型 | 第32页 |
| 4.1.1 灰色系统理论 | 第32页 |
| 4.1.2 马尔科夫链 | 第32页 |
| 4.2 预测模型的可行性分析 | 第32-33页 |
| 4.3 灰色马尔科夫模型的应用研究 | 第33-37页 |
| 4.3.1 模型构建 | 第33-35页 |
| 4.3.2 预测方案设计 | 第35-37页 |
| 4.4 灰色马尔科夫模型实例预测 | 第37-40页 |
| 4.4.1 采用GM(1,1)预测 | 第37-38页 |
| 4.4.2 马尔科夫模型进行残差修正 | 第38-39页 |
| 4.4.3 模型评价与结果分析 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 基于支持向量回归模型的家纺流行色色相预测 | 第41-51页 |
| 5.1 支持向量机基本理论 | 第41-44页 |
| 5.1.1 支持向量机的线性回归 | 第41-42页 |
| 5.1.2 支持向量机的非线性回归 | 第42-43页 |
| 5.1.3 核函数 | 第43-44页 |
| 5.1.4 损失函数 | 第44页 |
| 5.2 预测模型的可行性分析 | 第44-45页 |
| 5.3 支持向量回归模型的应用研究 | 第45-47页 |
| 5.3.1 历年流行色色相比率的相空间重构 | 第45页 |
| 5.3.2 模型构建 | 第45-46页 |
| 5.3.3 预测方案设计 | 第46-47页 |
| 5.4 支持向量回归模型实例预测 | 第47-50页 |
| 5.4.1 采用SVR预测 | 第47-49页 |
| 5.4.2 选择模型参数 | 第49页 |
| 5.4.3 模型评价与结果分析 | 第49-50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 结论 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 工作展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录1 读硕士学位期间发表的论文及参与的项目 | 第57-58页 |
| 附录2 流行色定案的PANTONE色彩编号表 | 第58-59页 |
