隐层改进的BP网络在织物染色配色中的应用

为提高BP网络及其改进网络的收敛和泛化能力,依据计算机配色理论,深入研究了BP神经网络的优缺点,在此基础上提出了一种基于隐层输出反馈改进的BP网络训练算法应用于织物染色配色的算法,并按照此算法进行了织物染色的计算机配色实验。实验验证了人工神经网络算法在织物染色配色中应用的可能性和可靠性,为神经网络模型在织物染色配色中选择和构造合适的高性能网络结构提供了参考。     

贝叶斯改进BP神经网络在织物染色配色中的应用

针对BP算法及其改进算法泛化能力不强的问题,探讨了用贝叶斯正规化算法与LM算法的结合来提高BP神经网络的泛化能力。结果表明,在相同网络规模或误差条件下,贝叶斯正规化算法泛化能力明显优于基本BP算法及其它改进的BP算法,且收敛速度较快。因此文中把贝叶斯正规化算法与LM算法结合应用到了织物染色的计算机配色中,其预测的配方和实验的数据比较接近,证明了该方法的可行性。     

CAD系统中产品设计三维实体建模方法的研究

三维建模是应用CAD系统进行产品设计的重要步骤。现在市场上已有不少的CAD系统，但是不同系统中的三维建模方法却是基本相同的。在这些三维建模的方法中，往往对用户施加了许多的限制，使得用户无法建立复杂的三维实体。笔者提出了一种新的三维建模方法－折叠法，应用这种方法的概念和原理，可以开发出先进的三维建模CAD系统。折叠二维平面图形构成三维实体是作者提出的一种新概念。     

基于RBF神经网络的遗传算法在织物染色配色中的应用研究

本文提出一种基于RBF神经网络的遗传算法解决织物染色配色问题的模型,该模型以遗传算法为主,通过使用RBF神经网络建立遗传算法的适应度函数来共同解决织物染色配色问题。通过实验表明,使用基于RBF神经网络的遗传算法配色模型可以快速提供满足企业要求的染色配方。     

使用AutoCAD的AutoLISP语言进行服装衣片的计算机辅助绘图与设计

研究了使用ＡｕｔｏＣＡＤ和ＡｕｔｏＬＩＳＰ语言中进行服装衣片的计算机辅助绘图与设计的方法。文中给出了用ＡｕｔｏＣＡＤ的ＡｕｔｏＬＩＳＰ语言写所的程序模块，用该程序模块可以实现由服装的几个基本尺寸转换成衣片图并用绘图机或打印机输出衣片图，实现衣片的计算机辅助设计。     

曲线回归分析在织物染色计算机配色中的应用研究

针对三刺激值C,M,Y与浓度之间的关系,本文在Kubelka-Munk理论的基础上,应用数学建模的方法对织物染色计算机配色进行研究,通过对实验样本数据的选取与分析,建立了在相同染料浓度下三刺激值C,M,Y与染料浓度的曲线回归模型,并对该模型进行回归分析,分析结果表明,实验数据的误差绝大部分在0.65%以内,说明该回归方程的拟合效果比较好,与C,M,Y值相对应的所求解的染料浓度比实验数据的误差小,该研究精度高,拟合效果好,能满足实际织物染色配色的需要,具有一定的实用价值。     

多元非线性回归在织物染色计算机配色中的研究

为使预测织物染色的染料质量浓度与实际的染料质量浓度误差最小,本文通过到工厂采集实际的测量数据并对其进行分析,建立了三刺激值C,M,y与染料质量浓度的数学模型,并在Excel中利用多元非线性回归分析方法,得到最小二乘估计点,同时结合多项式拟合,建立染料质量浓度与三刺激值C,M,y的多元非线性方程组,通过显著性F检验,验证所建数学模型的回归显著性效果,并利用牛顿迭代法反向求解该数学模型,得到对应的染料质量浓度.结果表明,采用多元非线性回归分析建立的数学模型,求得的结果与实际测量的数据误差非常小,该研究可以应用到实际染色配色中.     

织物染色计算机配色的数值分析方法

讨论将数值分析的方法引入到织物染色的计算机配色过程中,以解决织物染色配色过程中存在的不确定性和非线性问题。建立基于单色小样值和三拼色小样值与其相应浓度的数学模型,通过数据拟合并使用Newton—Krylov算法,实现染料浓度的求解。实验数据证明该方法精确度较高、计算简单并达到了预期的效果。     

基于分段数值分析和多项式拟合的织物染料配色研究

为了克服传统配色的诸多缺陷,提高配色速度和精度,本文将分段数值分析和多项式拟合的思想引入到织物的配色染色过程中。以色彩混合原理及理论为基础,分析和处理大量的实验数据,并以Matlab数学工具箱为建模辅助工具,阐述了在计算机配色过程中不同染料浓度与染色小样的三刺激值C,M,y之间的数学关系。经过大量的数学验证,应用上述方法建立的数学关系模型,其绝对误差大多数在±5．0％以内,效果比较理想,可以应用到实际的织物染色生产中。     

神经网络在计算机配色中的应用

研究神经网络应用于染色的计算机配色算法，分析了现有BP网络配色模型的不足，提出了使用有弹回的BP算法，以改进现有配色模型的方法，并进行了仿真试验。从仿真结果看，改进后的配色模型无论在收敛速度还是配色精度方面都有了较大的提高。