1、本文針對傳統(tǒng)的織物染色配色方法，費時費力，精確度不高等缺點，將神經網絡技術引進織物染色配色領域。重點是研究不同類型神經網絡在織物染色計算機配色中的性能，改進神經網絡的訓練方法，建立一個具有足夠配色精度的織物染色計算機配色模型。 首先分析了BP、RBF神經網絡的一般理論，結合兩種網絡分別建立基于神經網絡的織物染色計算機配色模型。應用兩種模型對樣本數據進行仿真訓練，在比較了兩種不同網絡模型的預測誤差和網絡性能的基礎上，分析了它們的優(yōu)

2、缺點及改進措施。 隨后針對BP神經網絡精確度不高、收斂速度慢等缺點，提出了分別用LMBP算法和OWO-HWO算法來改進標準BP算法并且進行了仿真實驗。實驗結果表明，兩種算法無論是在收斂速度還是訓練精度上比標準BP算法有了很大的提高。針對BP神經網絡易陷入局部極小點的缺點，將遺傳算法引進到BP神經網絡中，提出了GA-LMBP算法。算法思想是先利用遺傳算法對初始權值進行優(yōu)化，在解空間中定位出一個極好的搜索空間，然后由LMBP算法在這