摘要 | 第1-3页 |
Abstract | 第3-7页 |
第一章 绪论 | 第7-14页 |
·本课题的研究背景与意义 | 第7页 |
·计算机配色技术的发展现状和配色形式 | 第7-9页 |
·计算机配色技术的发展现状 | 第7-9页 |
·计算机配色技术的配色形式 | 第9页 |
·人工神经网络的发展及研究现状 | 第9-12页 |
·神经网络的起源和发展 | 第10-11页 |
·神经网络的研究现状 | 第11-12页 |
·本课题研究的主要内容与创新点 | 第12-14页 |
第二章 织物染色计算机配色技术的色度学原理 | 第14-17页 |
·颜色和色彩空间 | 第14-15页 |
·色彩空间 | 第14页 |
·色彩混合 | 第14-15页 |
·色彩的三基色 | 第15页 |
·色彩测量和色差 | 第15-16页 |
·本章小结 | 第16-17页 |
第三章 人工神经网络模型 | 第17-32页 |
·神经网络概述 | 第17-19页 |
·神经网络的类型 | 第17页 |
·神经网络的结构原理 | 第17-19页 |
·BP神经网络 | 第19-21页 |
·BP神经网络原理及算法 | 第19-21页 |
·BP算法存在的缺陷 | 第21页 |
·BP神经网络的改进 | 第21-28页 |
·LM算法 | 第22-24页 |
·OWO-HWO算法 | 第24-28页 |
·RBF神经网络 | 第28-31页 |
·RBF神经网络的结构 | 第28页 |
·RBF神经网络的映射关系 | 第28-29页 |
·RBF神经网络的映射机理 | 第29页 |
·RBF神经网络的训练算法 | 第29-31页 |
·BP网络与RBF网络的比较 | 第31页 |
·本章小结 | 第31-32页 |
第四章 基于遗传算法的BP神经网络模型 | 第32-40页 |
·遗传算法简介 | 第32页 |
·遗传算法基本原理 | 第32-34页 |
·编码方法 | 第32页 |
·适应度函数 | 第32-33页 |
·遗传操作 | 第33页 |
·遗传算法流程及终止准则 | 第33-34页 |
·遗传算法与神经网络的结合 | 第34-38页 |
·神经网络和遗传算法结合原理 | 第34-35页 |
·遗传算法对神经网络的进化方式 | 第35-36页 |
·遗传算法优化神经网络连接权的两种方式 | 第36-37页 |
·基于遗传算法的BP神经网络的流程 | 第37-38页 |
·本章小结 | 第38-40页 |
第五章 基于神经网络配色模型的设计与实现 | 第40-56页 |
·基于神经网络的配色模型概述 | 第40页 |
·网络模型结构的确定 | 第40-41页 |
·输入层和输出层的设计 | 第40-41页 |
·隐层的设计 | 第41页 |
·神经元节点数的确定 | 第41-42页 |
·输入层和输出层神经元个数的确定 | 第41页 |
·隐层神经元个数的确定 | 第41-42页 |
·网络模型设计及参数选择 | 第42-43页 |
·样本数据的获取及其预处理 | 第43-47页 |
·训练方式的确定 | 第47页 |
·仿真软件及网络模型的实现 | 第47-54页 |
·网络模型设计实现的原则和过程 | 第47-48页 |
·MATLAB软件及GA-LMBP神经网络模型实现 | 第48-52页 |
·NeuroSolutions仿真软件及RBF神经网络模型实现 | 第52-53页 |
·NuMap仿真软件及基于OWO-HWO算法神经网络模型实现 | 第53-54页 |
·神经网络模型泛化能力的研究 | 第54-55页 |
·本章小结 | 第55-56页 |
第六章 基于神经网络配色模型的仿真实验及结果分析 | 第56-64页 |
·基于BP和RBF神经网络模型的仿真结果分析 | 第56-57页 |
·极品中三元三拼色的仿真结果 | 第56-57页 |
·基于LMBP和GA-LMBP神经网络模型的仿真结果分析 | 第57-61页 |
·虹光深三元三拼色的仿真结果 | 第57-59页 |
·极品中三元三拼色的仿真结果 | 第59-61页 |
·基于OWO-HWO算法和GA-LMBP神经网络模型的仿真结果分析 | 第61-63页 |
·京仁浅三元三拼色的仿真结果 | 第61-63页 |
·本章小结 | 第63-64页 |
第七章 总结和展望 | 第64-66页 |
参考文献 | 第66-69页 |
攻读学位期间的研究成果 | 第69-70页 |
致谢 | 第70-71页 |