基于BP网络的缝纫平整度等级客观评价

缝纫质量直接影响服装的品质和价格,通过对缝纫平整度标准样照的图像灰度分布特征分析和傅里叶变换,提取了8个特征参数,在此基础上建立了一种基于BP网络的缝纫平整度客观评价模型.经过对实际缝纫样本的检验,该模型的实际输出与期望输出的相关系数达到0.93,模型具有良好的预测能力,可以用于实际缝纫样本缝纫平整度等级的预测.

监督模糊聚类神经网络及其应用

为在面料成衣之前客观评价其缝纫性能,提出了一种基于监督模糊聚类客观评价方法。通过引入输出空间对FCM聚类算法进行改进,同时反映输入空间的聚类特征和输出空间的逼近特性。用FAST系统测量服装面料的力学性能指标,运用核主成分法对所测指标进行分析,提取5个核主成分作为神经网络的输入。实验结果表明,系统可以根据中厚型棉织物的不同结构及物理性能快速准确地给出该织物成衣后的缝纫性能评价指标。

基于优化RBF神经网络的缝纫平整度客观评价

该文提出了一种基于优化RBF神经网络的丝织物缝纫性能客观评价系统.该系统根据丝织物面料的FAST力学指标与缝纫性能之间的关系,运用神经网络的方法进行面料缝纫性能评价和预测,并提出了一种基于模糊核聚类的优化径向基神经网络学习算法.经过大量实验,该系统对一般丝型织物的缝纫平整性能评价预测具有客观、快速和高效等优点.

基于监督模糊聚类的缝纫平整度客观评价系统

提出了一种基于改进型模糊聚类的缝纫平整度客观评价系统。首先,用FAST仪器测量得到服装面料的各项力学性能指标,并根据主因子分析法提取6个贡献最大的综合指标;其次,通过基于输出空间的SFCM算法对获取的综合指标进行模糊聚类,得到相应的各聚类中心;最后,根据聚类结果确定径向基神经网络的节点中心和宽度。经过大量实验,系统可以根据中厚毛型面料的不同结构及物理性能快速准确地给出该织物成衣后的缝纫性能评价指标。