模糊神经网络在织物风格识别中的应用

讨论了模糊神经网络在织物风格评价中的应用。基于自适应模糊神经网络ANFIS模型，建立织物的物理参数与织物风格之间的关系。通过训练，网络具有较强的模式识别能力。     

模糊神经网络在织物风格识别中的应用

讨论了模糊神经网络在织物风格评价中的应用。基于自适应模糊神经网络ANFIS模型，建立织物的物理参数与织物风格关系。通过训练，网络具有较强的模式识别能力。     

模糊神经网络在织物风格识别中的应用

讨论了模糊神经网络在织物风格评价中的应用。基于自适应模糊神经网络ANFIS模型,建立织物的物理参数与织物风格关系。通过训练,网络具有较强的模式识别能力。     

织物风格的灰色评价

对于织物风格评价这一灰色系统的评价问题，可以用灰色关联度作为风格值的量度，用灰色关联分析的方法来评价织物风格的优劣，其最佳对比对象可由理想标准，相对标准，用户标准等构成。     

毛织物的风格评价及在织物设计中的应用

以37个毛织物为样本,通过FAST、YG811等仪器测试织物的31项性能指标,运用主因子分析法,得到评价织物风格的6个主因子:织物厚实丰满因子、经向弯曲因子、经向伸长因子、纬向伸长因子、纬向弹性因子、纬向弯曲因子,在此基础上运用相关分析法,得到织物规格中影响织物风格与性能的高度相关与显著相关因素,建立织物风格-性能-规格之间的相关性,以指导毛织物的设计与生产.     

织物风格的评价与检索系统在服装领域的应用

服装面料的风格和性能与服装款式及加工工艺的匹配是服装设计和加工者面临的重大课题。新颖优美的款式常因面料的选择不当而导致实际成型效果与设计效果大相径庭。面料选择不合理是目前服装生产中存在的主要弊端之一。本文以织物风格评价系统为基础,就基于服装的用途,建立织物风格检测与评价系统的方法和在服装加工中的应用,以及基于顾客的要求,建立织物风格检索系统的方法和使用作一简单介绍,以期能对服装设计和加工者能有     

模糊聚类分析在仿真织物风格研究中的应用

对３０种仿真织物的力学指标测试数据进行了模糊聚类分析,将亲本织物按照其网络风格客观地分类,并进行综合分分析与价。     

基于神经网络的织物风格识别系统探讨

讨论人工神经网络在纺织物风格评价中的应用，基于反向传播神经网络模型（BP），选择网络参数，建立四层网络系统用于处理纺织物风格信号。     

基于灰色系统理论及RBF神经网络的棉织物透湿性能预测

通过测试棉织物的结构参数与透湿性能,应用灰色系统理论计算了棉织物结构参数与透湿量的关联度,并对其排序,结果表明影响棉织物透湿性能的3个主要结构参数依次为孔隙率、纬向紧度和总紧度。利用MATLAB软件,建立了织物透湿性能的RBF神经网络预测模型,用此模型预测棉织物的透湿性能具有运算速度快、精度高和泛化能力强的特点。     

BP神经网络在毛织物风格评价中的应用研究

评述了人工神经网络和织物风格评价的特点，提出人工神经网络在毛织物风格评价中的工作原理和网络构建方法。基于反向传播神经网络模型(BP)建立了3层网络系统用于处理织物风格信号。经过学习训练，系统具有较强的自适应预测能力。     

基于RBF网络的房地产企业经营状况评价模型

针对传统RBF网络选取初始凝聚点的不足,提出了一种新的选择初始凝聚点的方法.利用我国2010年第一季度的66家上市房地产企业的财务数据,建立了基于改进RBF网络的且具有4个财务指标的上市房地产企业经营状况的评价模型,并利用2010年第二季度的30家上市房地产企业作为测试样本对该模型的推广能力进行了检验.仿真结果表明,新...     

联合图像最优特征提取及改进RBF神经网络的苹果质量估计

目的：以阿克苏苹果为例,设计一种联合图像最优特征提取和改进RBF神经网络学习的苹果质量估计方法,以克服人工分级称重成本高、误差大的缺陷。方法：首先,建立苹果图像采集系统,得到苹果前景图像信息;其次,设计苹果图像特征集合最佳子集提取策略,将最佳子集提取过程转化为目标函数优化问题,并利用改进的离散蝗虫优化算法进行求解,从而得到最佳苹果图像特征子集;最后,构建基于RBF神经网络学习的苹果质量估计模型,将最佳特征子集作为网络输入,并采用蝗虫优化算法优化配置RBF神经网络超参数,从而实现对苹果质量的有效估计。结果：所提苹果质量估计方法精度更高,质量估计值平均相对误差率为1.23%。结论：该方法可以有效实现苹果质量预估,也能够推广应用到其他类似轴对称形状的水果质量估计。     

BAM网络在车型识别中的应用

设计了一种采用双向联想记忆网络 (BAM) ,仅以车型的轮廓曲线序列作为特征参数 ,能在高速公路不停车收费系统中 ,按照高速公路收费标准对不同车型进行分类的系统 .训练时 ,选择合适的权矩阵 ,把相应的参数训练成网络的稳定状态 ;识别时 ,输入用于区分车型的曲线序列 ,通过对车辆图像进行预处理及图像分析即可利用BAM神经网络识别出车辆的类型 .     

BP神经网络在织物疵点识别中的应用

采用3层BP神经网络对织物疵点进行识别,提出织物疵点识别网络不适宜规则,将其应用于隐含层神经元个数选择和训练方法筛选,以优化网络结构,提高训练速度和网络识别精度,设计出较优的织物疵点识别网络。将丝织物中常见的断经、断纬、重纬、档疵、破洞和油污6类疵点作为识别样本,对按照网络不适宜规则设计的网络进行测试。从识别结果来看,BP神经网络可以满足织物疵点识别需要,且具有正确识别率高,识别速度快的优点。     

基于PSO-BP神经网络的织物疵点分类方法

将粒子群优化算法运用于BP神经网络的训练,更合理地确定神经网络的连接权重和阈值,提高解决实际问题的能力。同时将PSO-BP神经网络的模型用于织物疵点的分类中。采用正交小波变换的方法对织物图像进行单层分解,并提取水平和垂直2个方向的子图像,分别代表织物的纬向和经向纹理,然后计算其经、纬向的能量、方差、熵等特征值,做为神经网络的输入值。将PSO-BP神经网络与BP神经网络分类的结果相比较,表明PSO-BP神经网络能够取得较好的效果。