基于多源信息融合的織物懸垂性的評估研究與實現(xiàn).pdf

1、懸垂性是影響織物外觀美感諸多因素中最重要的因素之一，具有優(yōu)良懸垂性的織物容易形成良好的視覺效果。因此，在服裝企業(yè)中，懸垂性能的優(yōu)劣對于面料的選用和開發(fā)具有至關(guān)重要的作用。傳統(tǒng)的感官評估方式因其費時、費力、高成本己難以滿足企業(yè)技術(shù)工作發(fā)展的需要。因此，借助多源信息融合技術(shù)、智能技術(shù)來實現(xiàn)智能感官評估，輔助、指導(dǎo)技術(shù)人員進(jìn)行質(zhì)量控制及產(chǎn)品設(shè)計是工業(yè)應(yīng)用領(lǐng)域中一項非常迫切的需求，市場前景廣闊。
　　 支持向量機(jī)(SVM)，是近幾年在統(tǒng)

2、計學(xué)習(xí)這一堅實理論基礎(chǔ)之上發(fā)展起來的，針對小樣本數(shù)據(jù)的機(jī)器學(xué)習(xí)方法，其優(yōu)良的推廣性能引起眾多研究者的重視并得到較好應(yīng)用。本文從SVM的理論分析切入，闡述了SVM的基本原理、特性基礎(chǔ)上的Mercer核函數(shù)與混合核函數(shù)SVM在織物懸垂性評估中的應(yīng)用設(shè)計和實際性能，并與神經(jīng)網(wǎng)絡(luò)進(jìn)行了對比分析。對SVM在織物懸垂性評估中的實際應(yīng)用，本文在分析傳統(tǒng)懸垂性評估樣本方法的基礎(chǔ)上。指出了已有基于物理模型和幾何模型的缺點與不足，以及現(xiàn)有基于混合模型的發(fā)展

3、情況。為了驗證支持向量機(jī)在學(xué)習(xí)能力和推廣能力上的優(yōu)勢，結(jié)合實際的織物懸垂性應(yīng)用，本文應(yīng)用改進(jìn)型BP神經(jīng)網(wǎng)絡(luò)對懸垂性進(jìn)行評估的基礎(chǔ)上進(jìn)行對比分析。在小樣本、高維數(shù)、非線性數(shù)據(jù)條件下，重點以實驗方式驗證、探討支持向量機(jī)在織物懸垂性評估中的性能表現(xiàn)；并以實驗結(jié)果為參考，得出了一些有價值的結(jié)論。全文總體結(jié)構(gòu)如下：
　　 (1)詳細(xì)介紹了支持向量機(jī)的基本理論及相關(guān)的概念，對織物懸垂性能評估的研究工作進(jìn)行了綜述，并指出了SVM訓(xùn)練中存在的問

4、題。
　　 (2)對支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行理論分析和對比研究，以懸垂性的評估準(zhǔn)確度和推廣性能為主要對比研究內(nèi)容，研究兩種不同算法的優(yōu)缺點；并對實際實驗結(jié)果進(jìn)行分析說明。
　　 (3)應(yīng)用改進(jìn)BP神經(jīng)網(wǎng)絡(luò)對懸垂性進(jìn)行評估，并與應(yīng)用一般SVM的方法進(jìn)行精度的比較。
　　 (4)應(yīng)用已有核函數(shù)理論，提出了基于SVM的Mercer核函數(shù)，并將其他學(xué)者提出混合核函數(shù)，應(yīng)用到織物懸垂性評估這一領(lǐng)域。在以上兩種核函數(shù)的基