面向服装流行色预测的层次协同演化模型与算法研究
发布时间：2023-03-25 08:29
服装流行色预测是指使用某种特定方法进行判断,给出在服装上市前18个月服装色彩的流行趋势定案。定案可以为整个服装行业包括纤维供应商、面料生产企业、成衣生产企业及服装代理商提供行业指导和引领作用。为服装产业的快速发展提供有力条件。因此各个国家都开始重视服装流行色趋势的预测方法研究。近年逐步兴起的服装流行色定量预测方法以数据统计作为研究对象,分析其数据信息的规律性和数理性。虽然一些定量预测方法已经被应用到流行色预测领域,并取得一定的成效。但是,服装流行色预测研究起步较晚,目前还处于探索阶段,预测方法的有效性和精度低等问题依然存在。本文针对现有服装流行色定量预测方法在精度上存在的缺陷,在提出基于色彩体系的色彩量化和分类准则的基础上,设计了一款高性能的基于层次协同演化机制的多蜂群协同优化算法,进而将该改进算法应用于人工神经网络权值配置问题上,提升神经网络模拟目标问题的精度,并借助此改进的神经网络,最终进行服装流行色预测求解问题,提高预测结果的精准度。本文主要从以下几个方面开展研究工作:(1)研究了服装流行色定案的量化与分析。针对色彩的主观性和研究中存在数据来源不统一、色彩量化复杂等问题,提出以国...
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 引言
1.1 研究目的与意义
1.2 研究背景
1.3 服装流行色
1.3.1 服装流行色的概念
1.3.2 服装流行色趋势的发布
1.3.3 服装流行色预测研究的背景
1.4 生物启发式计算
1.4.1 启发式计算概述
1.4.2 粒子群算法
1.4.3 基于蜂群行为的优化模型与算法
1.5 研究框架与内容
1.5.1 论文研究框架
1.5.2 论文研究内容
第二章 服装流行色定案量化与分析
2.1 引言
2.2 选择研究对象
2.2.1 选择服装流行色定案类别
2.2.2 服装流行色定案发布的机构
2.2.3 色彩体系
2.3 量化与分类
2.3.1 色相分类与统计
2.3.2 明度分类与统计
2.3.3 纯度分类与统计
2.4 本章小结
第三章 基于群落层次演化的多蜂群协同优化算法
3.1 引言
3.2 生物复杂适应性系统的层级体系演化模式
3.3 层级生物系统中的个体、种群、群落演化模式
3.3.1 种群的信息交流模式
3.3.2 群落的多型共生模式
3.4 基于层次协同演化的统一优化模型
3.5 人工蜂群算法
3.6 基于分而治之策略的多种群协同演化
3.6.1 向量分解策略
3.6.2 基于交叉操作的增强学习策略
3.7 基于层次演化的混合蜂群优化算法
3.7.1 算法描述
3.7.2 实验与结果分析
3.8 本章小结
第四章 基于群落层次演化多蜂群协同算法的神经网络训练
4.1 引言
4.2 神经网络问题背景
4.3 神经网络
4.4 BP神经网络
4.4.1 BP神经网络的概念
4.4.2 BP神经网络学习原理
4.4.3 BP神经网络实现步骤
4.5 基于层次演化多蜂群协同算法的BP神经网络训练过程
4.5.1 曲线拟合测试
4.5.2 数值计算问题
4.6 本章小结
第五章 基于群落层次演化多蜂群协同算法的服装流行色色相预测
5.1 引言
5.2 基于HABCNN理论的女装春夏流行色色相预测
5.2.1 基于改进神经网络的女装流行色色相预测模型
5.2.2 预测结果与分析
5.3 本章小结
第六章 基于改进的神经网络模型的服装流行色明度与纯度预测
6.1 引言
6.2 基于HABCNN神经网络理论的女装春夏流行色明度预测
6.2.1 预测流程
6.2.2 预测方案设计
6.2.3 预测结果与分析
6.3 基于HABCNN神经网络理论的女装春夏流行色纯度预测
6.3.1 预测流程
6.3.2 预测方案设计
6.3.3 预测结果与分析
6.4 本章小结
第七章 总结与展望
参考文献
发表论文和参加科研情况
致谢
本文编号：3770898
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 引言
1.1 研究目的与意义
1.2 研究背景
1.3 服装流行色
1.3.1 服装流行色的概念
1.3.2 服装流行色趋势的发布
1.3.3 服装流行色预测研究的背景
1.4 生物启发式计算
1.4.1 启发式计算概述
1.4.2 粒子群算法
1.4.3 基于蜂群行为的优化模型与算法
1.5 研究框架与内容
1.5.1 论文研究框架
1.5.2 论文研究内容
第二章 服装流行色定案量化与分析
2.1 引言
2.2 选择研究对象
2.2.1 选择服装流行色定案类别
2.2.2 服装流行色定案发布的机构
2.2.3 色彩体系
2.3 量化与分类
2.3.1 色相分类与统计
2.3.2 明度分类与统计
2.3.3 纯度分类与统计
2.4 本章小结
第三章 基于群落层次演化的多蜂群协同优化算法
3.1 引言
3.2 生物复杂适应性系统的层级体系演化模式
3.3 层级生物系统中的个体、种群、群落演化模式
3.3.1 种群的信息交流模式
3.3.2 群落的多型共生模式
3.4 基于层次协同演化的统一优化模型
3.5 人工蜂群算法
3.6 基于分而治之策略的多种群协同演化
3.6.1 向量分解策略
3.6.2 基于交叉操作的增强学习策略
3.7 基于层次演化的混合蜂群优化算法
3.7.1 算法描述
3.7.2 实验与结果分析
3.8 本章小结
第四章 基于群落层次演化多蜂群协同算法的神经网络训练
4.1 引言
4.2 神经网络问题背景
4.3 神经网络
4.4 BP神经网络
4.4.1 BP神经网络的概念
4.4.2 BP神经网络学习原理
4.4.3 BP神经网络实现步骤
4.5 基于层次演化多蜂群协同算法的BP神经网络训练过程
4.5.1 曲线拟合测试
4.5.2 数值计算问题
4.6 本章小结
第五章 基于群落层次演化多蜂群协同算法的服装流行色色相预测
5.1 引言
5.2 基于HABCNN理论的女装春夏流行色色相预测
5.2.1 基于改进神经网络的女装流行色色相预测模型
5.2.2 预测结果与分析
5.3 本章小结
第六章 基于改进的神经网络模型的服装流行色明度与纯度预测
6.1 引言
6.2 基于HABCNN神经网络理论的女装春夏流行色明度预测
6.2.1 预测流程
6.2.2 预测方案设计
6.2.3 预测结果与分析
6.3 基于HABCNN神经网络理论的女装春夏流行色纯度预测
6.3.1 预测流程
6.3.2 预测方案设计
6.3.3 预测结果与分析
6.4 本章小结
第七章 总结与展望
参考文献
发表论文和参加科研情况
致谢
本文编号：3770898
本文链接：https://www.wllwen.com/projectlw/qgylw/3770898.html
