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)技術工作發(fā)展的需要。因此，借助多源信息融合技術、智能技術來實現(xiàn)智能感官評估，輔助、指導技術人員進行質(zhì)量控制及產(chǎn)品設計是工業(yè)應用領域中一項非常迫切的需求，市場前景廣闊。
　　 支持向量機(SVM)，是近幾年在統(tǒng)

2、計學習這一堅實理論基礎之上發(fā)展起來的，針對小樣本數(shù)據(jù)的機器學習方法，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用設計和實際性能，并與神經(jīng)網(wǎng)絡進行了對比分析。對SVM在織物懸垂性評估中的實際應用，本文在分析傳統(tǒng)懸垂性評估樣本方法的基礎上。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在學習能力和推廣能力上的優(yōu)勢，結(jié)合實際的織物懸垂性應用，本文應用改進型BP神經(jīng)網(wǎng)絡對懸垂性進行評估的基礎上進行對比分析。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)構如下：
　　 (1)詳細介紹了支持向量機的基本理論及相關的概念，對織物懸垂性能評估的研究工作進行了綜述，并指出了SVM訓練中存在的問

4、題。
　　 (2)對支持向量機和BP神經(jīng)網(wǎng)絡進行理論分析和對比研究，以懸垂性的評估準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)果進行分析說明。
　　 (3)應用改進BP神經(jīng)網(wǎng)絡對懸垂性進行評估，并與應用一般SVM的方法進行精度的比較。
　　 (4)應用已有核函數(shù)理論，提出了基于SVM的Mercer核函數(shù)，并將其他學者提出混合核函數(shù)，應用到織物懸垂性評估這一領域。在以上兩種核函數(shù)的基