声明
摘要
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
1.5 研究框架与内容
1.5.1 论文研究内容
1.5.2 论文研究框架
第二章 层次协同演化统一框架与模型
2.1 引言
2.2 选择研究对象
2.3 层级生物系统中的个体、种群、群落演化模式
2.3.1 个体的觅食行为
2.3.2 种群的信息交流模式
2.3.3 群落的多型共生模式
2.4 基于层次协同演化的统一优化模型
2.5 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 人工蜂群算法
3.3 基于分而治之策略的多种群协同演化
3.3.1 向量分解策略
3.3.2 基于交叉操作的增强学习策略
3.4 基于层次演化的混合蜂群优化算法
3.4.1 算法描述
3.4.2 实验与结果分析
3.5 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
4.3 BP神经网络
4.3.1 BP神经网络的概念
4.3.2 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 服装流行色定案量化与分析
5.2.1 PANTONE色彩体系
5.2.2 量化与分类
5.3 基于HABCNN神经网络理论的女装春夏流行色色相预测
5.3.1 基于改进神经网络的女装流行色色相预测模型
5.3.2 预测结果与分析
5.4 本章小结
第六章 基于群落层次演化多蜂群协同算法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 预测方案设计
6.3.2 预测结果与分析
6.4 本章小结
第七章 结论
总结与展望
参考文献
发表论文和参加科研情况
致谢