基于心理感知的服装舒适感觉评价与预测.pdf

《基于心理感知的服装舒适感觉评价与预测.pdf》由会员分享，可在线阅读，更多相关《基于心理感知的服装舒适感觉评价与预测.pdf（6页珍藏版）》请在三一文库上搜索。

1、第2 7 卷第1 0 期纺织学报 V 0 1 2 7N o 1 0 2 0 0 6 年1 0 月J o u m a lo f7 r e 妯l eR e s e a r c h 0 c t 2 0 0 6 文章编号：0 2 5 3 9 7 2 1 ( 2 0 0 6 ) 1 0 0 0 2 6 0 6 基于心理感知的服装舒适感觉评价与预测 李俊，韩嘉坤，孙菲菲 ( 东华大学服装学院，上海2 0 0 0 5 1 ) 摘要在N R S H o l l i e s 的心理量表技术基础上，发展了一种新的心理量表技术应用于着装实验来评价服装的穿 着舒适感觉。通过因子分析从复杂的心理感知反应中提炼出3 个独

2、立感觉因子( 热湿舒适因子、接触舒适因子、压 力舒适因子) ，并就感觉因子与整体舒适感觉之间的关系进行了分析，同时用线性统计和B P 神经网络等方法分别 建立了服装整体舒适感觉的预测模型。结果表明：热湿舒适因子、接触舒适因子、压力舒适因子对感觉舒适性的贡 献率分别为3 3 6 9 5 、2 9 1 1 4 、1 7 0 “，它们包含了1 0 项感觉描述语；B P 神经网络的预测精度高于线性统计 模型。 关键词着装实验；心理量表；神经网络；预测模型；舒适感 中图分类号：嘞4 1 1 2文献标识码：A E v a l u a t i o na n dp r e m c t i o no fc l

3、o t h i n gc o m f o r tb 嬲e do np s y c h o l o g i c a lp e r c e p t i o I 塔 L IJ u n 。H A NJ i a - s h e n ，S U NF e i f e i ( 面n 觚缸抛，D 0 ，w 危眦洫瑙砂，r 增恤i2 ( X ) 0 5 l ，吼i 眦) A b s t r a c tB a s e do nN R S H o l l i e s p s y c h o l o g i c a ls c a l i n g ，an e wp s y c h 0 1 0 9 i c a ls c a

4、 l i n gw a sd e V e l o p e da n d a p p l i e dt oe v a l u a t ec l o t h i n gc o m f o r tt h r o u g hw e a r e rt d a l T h r e ei n d e p e n d e n tp e r c e p t i o n a lf a c t o r s ( t h e 删a n d m o i s t u r es e n s i b i l i t yc o m f o r t ，t a c t i l es e n s i b i l i t yc o m

5、f o r ta n dp r e s s u r es e n s i b i l i t yc o m f o r t ) w e r ee x t r a c t e df 南mt h e c o m p l e xp s y c h o l o g i c a l l yp e r c e p t i o n a l r e a c t i o n b ym e a n so f f a c t o ra n a l y s i s T h e c o r r e l a t i o nb e t w e e nt h e p e r c e p t i o n a lf a c t

6、o ra n dt h ee n t i r ec o m f b r tp e r c e p t i o nw 8 sa n a l y z e d ，a n dt h ep r e d i c t i n gm o d e lo fc l o t h i n ge o m f b r t w a se s t a b l i s h e db yu s i n gt h el i n e a r i t ys t a t i s t i c a la n a l y s i sa n dB Pn e u m ln e t w o r k s T h er e s u l t si n d

7、 i c a t e dt h a tt h e c o n t r i b u t i o nr a t eo ft h e r n l a la n dm o i s t u r es e n s i b i l i t yc o m f b r t ，t a c t i l es e n s i b i l i t ya n dp r e s s u r es e n s i b i l i t yt ot h e e n t i r ec o m f o I tp e r c e p t i o na r e3 3 6 9 5 ，2 9 1 1 4 a n d1 7 0 1 l r e

8、 s p e c t i V e l y 7 r e nd e s c r i p t i V et e 肌sf o r p e r c e p t i o na 他p r e s e n t e d T h ea c c u m c yo fp r e d i c t i o no fB Pn e u r a ln e t w o r k sm o d e li sh i g h e rt h a nt h a t0 ff a e t o r a n a l y s i s K e yw o r d _ s w e a r e rt r a i l ；p s y c h o l o g i

9、c a ls c a l i n g ；n e u r a ln e t w o d ( s ；p r e d i c t i n gm o d e l ；c o m f b r t a b l ep e r c e p t i o n 现代社会对服装的需求不再停留在满足遮羞、 御寒等方面，同时也诉求服装的心理舒适感。s l a t e r 和L i 在舒适性定义里介入了心理因素，说明服装舒 适性的研究并非是单一的生理研究，而是受物理、生 理、心理因素的综合影响 。美国杜邦公司纺织纤 维部奥纶技术分部采用舒适性构型旧。来理解各种刺 激对服装舒适性的影响。本文通过因子分析从复 杂感官知觉中找出独

10、立的潜在变量，结合实验研究 对潜在变量进行定义，得出各潜在变量对感觉印象 的贡献率。在因子分析基础上采用计算加权总分的 方法，建立服装整体感觉舒适性统计预测模型，并采 用B P 神经网络技术基于心理感觉预测服装的整体 舒适感觉，建立神经网络的舒适性预测模型。 1实验部分 H o l l i e s 等人在对人体感觉和服装舒适性研究的 基础上，发展了一种心理量表技术感觉评估技 收稿日期：2 0 0 5 一0 4 0 l修回日期：2 0 0 5 0 8 2 3 基金项目：上海市科技启明星项目资助( 0 5 Q M x l 4 0 2 ) 作者简介：李俊( 1 9 7 0 一) ，男，副教授，博士。

11、主要研究方向为功能防护服装与人体工程学。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第l O 期李俊等：基于心理感知的服装舒适感觉评价与预测【2 7 】 术，应用到穿着实验测试中评定服装感觉舒适 性H 5 。本文在H o U i e s 的心理量表技术基础上，结合 实际情况发展了一种新的心理量表技术用于着装实 验来评价服装穿着感觉舒适性。 1 1实验服装 由于服装面料种类繁多，差异较大，本文集中对 薄型面料进行探讨，选取试样的参数见表1 。实验 服装按统一尺

12、寸、款式制作，适合平均身高为 ( 1 6 2 0 5 1 0 2 ) c m ，平均体重为( 5 0 0 2 士0 8 5 ) k g ，平 均胸围为( 8 4 士0 5 0 ) c m 的受试者穿着，款式如图1 所示，规格见表2 。 衷l 试样的参数 圈l 实验服款式 裹2 实验服规格表 c m 1 2 态度标尺 根据以往对服装相关领域的研究，主要的标尺 技术有：非强制性标尺bJ ，强制性标尺- ，非比较性、 非平衡、强制性标尺引，综合态度标尺J 。本文使用 多重态度标尺，以获得受试者在着装实验中多种感 觉反应。参照文献 7 l O ，将最终感觉描述语确定 为紧、热、刺痛、瘙痒、粘身、粘湿、

13、潮湿、闷热、粗糙、 厚重共1 0 项。主观舒适评分见表3 。 表3 主观舒适评分表 1 3 实验条件 受试者为6 名东华大学在校女学生，平均年龄 为( 2 4 1 ) 岁，她们均为近似体型，平均身高为 ( 1 6 2 0 5 1 0 2 ) c m ，平均体重为( 5 0 0 2 士0 8 5 ) k g 。 受试者每天同一时间到达实验室，且都处于生理周 期的前期，以尽量减少生理差别带来的判断误差。 实验顺序按随机抽取决定。实验条件为温度2 5 、 相对湿度6 5 。 每次实验由1 名受试者参加，该受试者穿着6 件服装完成实验以后，再安排另一名受试者进行实 验。1 次实验测试l 件衣服的穿着反

14、应。每次实验 包含4 个阶段：1 ) 受试者在实验条件下休息2 0m i n 以达到身体的平衡状态；然后第1 次填写调查问卷 表( 包括对各种感觉的描述语) ；2 ) 以4 0k “h 的速 度在跑步机上连续跑步1 0m i n 后，第2 次填写调查 问卷表；3 ) 再以4 5k m h 的速度在跑步机上连续跑 步1 0r n i n 后，第3 次填写调查问卷表；4 ) 休息1 0m i n 以后，第4 次填写调查问卷表。每次填写调查问卷 表的时间不得超过l 抽n 。在正式实验之前受试者要 万方数据 PDF Watermark Remover DEMO : Purchase from www.

15、PDFWatermarkR to remove the watermark 【2 8 】纺织学报第2 7 卷 进行1 次预测试，以充分了解各项感觉描述术语的 含义，便于正式实验时能够正确理解和判断。 2 1 实验结果 2 结果与分析 基于研究对象的特征，采用因予分析、神经网络 等方法来处理和分析测试数据结果。 表4 为受试者对服装的感觉评分，其中代码的 首位字母代表受试者，中间数字代表实验阶段，最后 数字代表实验服装，例如代码A 1 1 意思为受试者A 对1 。服装的第一阶段评分。 袭4 感觉评分表( 部分) 代码紧热 瘙痒刺痛粘身粘湿潮湿闷热粗糙厚重 2 2 数据预处理与分析 为考察实验数据

16、的可靠性和稳定性，对该心理 量表的信度、灵敏度及主观数据的有效性进行分析。 2 2 1 量表的信度与灵敏度 运用统计软件s P s S 进行信度分析。在此之前 先对测试数据进行归一化处理。结果显示信度系数 为0 7 8 49 ，比较接近于l ，所以该量表的内部可信度 比较高，量表设计相对合理。 运用D P S 数据处理系统软件中的非参数检验 进行F r i e d 呦n 检验分析，考察多重态度标尺的灵敏 度。结果显示，除受试者B 在4 个阶段所有情形下 都可以在显著水平0 1 时拒绝假设，即6 种服装存 在显著差异，同时也说明本文提出的多重态度标尺 可以体现出不同服装的差异，灵敏度高。筛除受试

17、 者B 的数据，不再将其作为进一步建立数学关系的 数据依据。 2 2 2 主观数据的有效性 运用s P S s 软件中的非参数检验进行K e n d a l l 协 同系数检验分析，为便于观察，将结果绘制为图2 。 结果显示各种感觉评分的平均秩存在显著差异。图 2 中显示了受试者对6 种实验服装在4 个不同阶段 评分的协同系数，同时也显示了在4 个不同阶段受 试者对6 种实验服装评分协同系数的平均值，见图 中“平均”一项。 很明显，每个实验阶段评判结果的一致性不一 样。受试者在第l 阶段是静态，评估一致性好，第 图2 协同系数图 2 、3 阶段是动态，评估一致性次之，第4 个实验阶段 是由动到

18、静止，评估标准的一致性最差，第4 个阶段 的评分为受试者在休息1 0I I l i n 以后的评分，由于受 试者在剧烈运动后大量出汗，更多的物理刺激使受 试者产生更多、更复杂的感觉bJ ，受试者在对这些感 觉的把握能力上产生了分歧，这就使得受试者评判 的一致性降低。这也是动态舒适性研究的难点o 。 2 3 因子分析 借助s P s s 软件进行因子分析，分3 个步骤2 I ： 提取因子、因子命名并解释、计算因子得分。通过该 方法可对着装实验中获得的各种反应进行分析，找 出复杂心理感觉中的潜在变量，并对潜在变量进行 命名，然后建立各种感觉因子( 潜在变量) 与各种单 项感觉之间的关系模式。 2

19、3 1 提取因子 通过因子的提取发现：第1 个因子的特征值为 4 7 2 ，第2 个因子的特征值为2 5 1 ，第3 个因子的特 O l 1 l 0 1 卫 一 2 o o o o o 2 o 屯 o O O l O 1 l 一 2 3 O 一 1 1 2 3 4 5 6 A A A A A A 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第1 0 期李俊等：基于心理感知的服装舒适感觉评价与预测【2 9 】 征值为O 7 5 。这3 个因子可以用来解释1 0

20、种感觉 的大部分差异。 2 3 2 因子命名和解释 本文采用方差最大化对因子载荷实施正交旋转 以解释、命名因子。表5 为旋转后的因子载荷矩阵。 裹5 旋转后的因子载荷矩阵 从表5 可见，“热、闷热、粘湿、潮湿、粘身”等项 在第1 个因子上有很高的载荷，第1 个因子主要解 释了这些变量，可赋意为热湿因子；“粗糙、瘙痒、刺 痛、厚重”等项在第2 个因子上有很高的载荷，第2 个 因子主要解释了这些变量，可赋意为接触因子；“紧” 的感觉在第3 因子上载荷高，因此第3 个因子可赋 意为压力因子。 2 3 3 因子得分计算 采用回归法估计因子得分系数，根据因子得分 系数矩阵中的因子得分系数可以得到感觉因子

21、与单 个心理感觉之间的关系模式： 热湿因子= 热0 4 4 4 + 闷热0 3 7 9 + 粘湿 0 1 6 6 + 潮湿0 1 3 l + 粘身0 1 0 9 一紧O 2 6 2 一 瘙痒xO 0 3 4 一刺痛0 1 5 0 一粗糙O 0 5 4 + 厚重 0 1 7 1 ( 1 ) 接触因子= 粗糙0 3 2 4 + 刺痛0 2 9 5 + 瘙 痒0 3 0 2 + 厚重0 2 7 6 一紧0 0 3 1 一热 0 0 2 0 一粘身0 0 5 2 一粘湿0 0 4 0 一潮湿 0 0 3 9 + 闷热0 0 2 7( 2 ) 压力因子= 紧0 7 4 3 一热0 3 7 5 + 瘙痒

22、0 0 1 5 + 刺痛O 1 9 6 + 粘身0 2 4 8 + 粘湿 O 1 6 7 + 潮湿x0 2 1 1 一闷热O 。2 9 4 一粗糙 O 0 4 2 一厚0 3 1 1 ( 3 ) 由式( 1 ) 一( 3 ) 可以计算出新的因子得分，见 表6 。 各个阶段感觉因子的平均得分情况见图3 ，显 示了3 个感觉因子在不同的时间阶段相应的表现。 其中实验阶段2 、3 ( 都为跑步状态) 合并为第2 阶 段，时间为2 0I I l i n 。 表6 因子得分系数表 1 5 1 0 叁 o 5 窿 害 o o 牺 傍加5 一1 O 一1 5 。 、 r t j 一 + 热湿因子：+ 接触因

23、子：+ 压力因子 图3 各阶段感觉因子平均得分 热湿因子平均得分随着跑步时间的延长显著上 升，在跑步结束时也就是2 0T I l i n 时达到极值。这说 明在跑步2 01 1 1 i n 后热湿感觉成为最主要的感觉。接 触因子和压力因子的平均得分却变化不大，压力因 子略为上升，变化趋势较为缓和，接触因子表现出略 为下降的趋势。 2 4 基于心理感知预测服装整体感觉舒适性 这里使用2 种不同的方法来研究分析单项感觉 与服装整体感觉舒适性之间的关系，并分别建立预 测模型：模型一是在因子分析的基础上通过加权总 分的方法建立线性模型；模型二是运用B P 神经网 络技术建立的神经网络预测模型，用于预测

24、整体感 觉舒适性。 2 4 1 线性模型 通过相关分析方法对各种单独的心理感觉、感 觉因子与整体感觉舒适性进行相关性分析，得出 P e a r s o n 相关系数。在因子分析的基础上，采用计算 加权总分的方法，可以得到综合舒适感的预测方程 S = ：形FS F ( 4 ) 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 【3 0 】 纺织学报第2 7 卷 式中：s 为综合舒适感；阢为感觉因子的方差贡献 率；S ，为感觉因子的得分。 根据旋转后因子解释原有变量总方

25、差的情况， 得出旋转后热湿因子、接触因子和压力因子的方差 贡献率分别为3 3 6 9 5 、2 9 1 1 4 、1 7 0 1 1 。把方 差贡献率代入式( 4 ) 可得到基于感觉因子的整体感 觉舒适性预测方程式： S = 3 3 7 0 s 热湿+ 2 9 1 1 5 接触+ 1 7 0 1 J s 压力 ( 5 ) 把式( 1 ) ( 3 ) 代入式( 5 ) 中可以得到基于各项 单独心理感知预测综合舒适感的预测方程式： S = 0 0 2 89 S 紧+ 0 0 8 0lS 热+ O 0 7 92 S 瘙痒+ 0 0 6 88 S 刺痛 + O 0 6 40 | s 牯身+0 0 7

26、28 S 牯湿+ 0 0 6 88 S 潮湿 + 0 0 8 59 s 闷热+0 0 6 92 S 粗糙+ 0 0 8 51 S 厚童( 6 ) 根据式( 6 ) 计算得出综合舒适感得分。由相关 分析可得实测值和预测值之间的P e a r s o n 相关系数 r 为0 6 0 2 。 2 4 2 神经网络预测模型 纺织服装领域开始越来越多地应用神经网络来 处理复杂的非线性关系引。在实际运用中，反向传 播网络B P 神经网络使用最为广泛。该网络具 有一个输入层、一个输出层和至少一个隐藏( 中间) 层4 。用D P s 数据处理系统来实现B P 神经网 络。 基于心理感知预测整体感觉舒适性的B

27、P 神经 网络中，输入层为穿着实验中1 0 项感觉评分值，输 出层为服装整体感觉舒适评分值。隐层数为l ，隐 层节点作用的激励函数通常选取s 型函数【l5 1 ，如 1 ( 戈) = _ 南 ( 7 ) l 十e 式中：Q 为调整激励函数形式的s i g m o i d 参数，在此 取0 9 ；最小训练速率取0 1 ；动态参数取0 7 ；允许 误差0 0 0 00 1 ；最大迭代次数l0 0 0 。 取不同的隐层节点数，以实验样本为学习训练 样本对该网络进行训练。通过绘制散点图发现预测 值和实测值的相关系数与隐层节点数之间呈良好的 二次曲线关系( 月2 = 0 6 5 l8 ) 。同时经相关分

28、析发 现，样本预测值与实测值之间( 除了少部分隐层节点 数目3 1 ，3 2 ，3 5 以外) 均有良好的线性关系( p 小于 0 0 0 l ，线性相关显著) 。根据拟合曲线图4 ，再结合 相关系数，最终确定隐层节点数为1 5 。基于以上各 初始条件和各种心理感知，得出预测服装综合感觉 舒适性的B P 神经网络模型结构图，见图5 。 赫 _ l I l 水 罂 图4 二次拟合曲线 输入屡融层 输出层 图5 服装综合感觉舒适性神经网络预测模型结构图 结果显示，利用因子分析的数学模型对服装综 合感觉舒适建立的预测方程有一定的预测性，预测 值和实际值之间相关显著，相关系数r 为0 6 0 2 。相

29、 比之下，B P 神经网络对服装整体舒适的预测效果更 好，预测值和实际值之间有很好的线性关系，r 为 O 9 5 2 。另外，因子模型和神经网络又各具优点，因 子模型具有结构清晰、层次清楚、各变量之间关系及 相对重要性都很明了的特点，而神经网络具有灵活、 对变量之间无线性假设及自学能力的特点。 3 结论 在N R s H o l l i e s 的心理量表技术的基础上，结 合研究对象的实际情况提出了一种新的心理量表进 行着装实验来评价服装穿着感觉舒适性。结合实验 数据考核该标尺的信度、灵敏度及主观数据有效性。 总体来说标尺设计合理，实验数据总体稳定，但有个 体差异。 人的舒适性感觉中包含了3

30、个因子，即为热湿 舒适因子、接触舒适因子、压力舒适因子，它们对感 觉舒适的贡献率分别为3 3 6 9 5 、2 9 1 1 4 、 1 7 0 1 l 。这3 个因子包含了1 0 项感觉描述语。 基于因子分析的线性统计模型预测了服装的整 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 第1 0 期 李俊等：基于心理感知的服装舒适感觉评价与预测【3 1 】 体感觉舒适性。同时运用B P 神经网络根据各种心 理感知来预测服装整体感觉舒适性。结果表明B P 神经网络的预

31、测精度高于线性统计模型。秘酾 参考文献： 1 s l a t e rK 7 r h e 聃s e s s m e n to fc o m f o r t J J o u m a lo fT b x m e I n s t i t u t e ，1 9 8 6 ，7 7 ：1 5 7 一1 7 l 。 2 I jY c l o t h i n gc o m f o na n di t sa p p l i c a t i o n J T b x t i l eA s i a ， 1 9 9 8 2 9 ：2 9 3 3 3 霍里斯，戈德曼服装舒适性 M 西安：陕西科学技 术出版社，1 9 9 1

32、 14jH o l l i e sN RS I m p r o v e dc o m f o np o l y e s t e r ，P a r t4 ：8 n a l y s i s o ft l I ef o u rw e a rt r i a l s J T e x t i l eR e s e a r c hJ o u m a l ，1 9 8 4 ， 5 4 ：5 4 4 5 4 8 5 H o u i e sNRs ，c u s t e rAG ，M o r i ncJ ，e ta 1 Ah u m a n p e I e p t i o na n a l y s i sa p p

33、 r o a c ht oc l o t h i n gc o m f o r t J 7 r e x t i l e R e s e a r c hJ o u m a l ，1 9 7 9 ，4 9 ：5 5 7 5 “ 【6 H o U i e sNRS V i s u a l 叭dt B c t i kp e r c e 幽o no ft e x t i k q u a 王i t y J J o u m a lo ft h eT b x t i l eI n s t i t u t e ，1 9 8 9 ，8 0 ：l 1 7 7 H y u ns0 ，H o l l i e sNR s

34、 ，s p i c a ksM s k i ns e n s 砒i o n s p e r e i v e di na p p a r e lw e a 。p a r tI ：d e v e l o p m e n to fan e w ：l ” p e r c e p t i o nl a n g l l a g e J T e x t i l eR e s e a r c hS 0 u m a l ，1 9 7 9 ，4 5 ： 4 5 6 4 6 0 L iY ， K e i g h l e yJ H ，H a m p t o n IF G P h y s i o l o g i c a

35、 l r e s p o n s e sa J l dp s y c h o l o g i c a ls e n s a t i o n si nw e a 砌t d a l s 访t h k n i t t e ds p o n s w e a r J E 唱o n o m i c s ，1 9 8 8 ，3 1 ：1 7 0 9 1 7 2 1 K a w a b 砒aS ，N i w aM F a b r i cp e 南珊a n c ei nc l o t h i n ga n d c l o t h i n 只m a n u f a c t u r e j J o u m a lo

36、 ft h eT e x t i l el n $ t i t u t e ， 1 9 8 9 ，8 0 ：1 9 “Y ， H o l c o m b eBV ， A p c a rF M o u i s t u r eb 1 J 船r i n g b e h a v i o u ro fh y g r o c o p i cf a b r i cd u r i n gw e a r J 7 1 1 e x t i l e R e s e a r c hJ o u m a l ，1 9 9 2 ，6 2 ：6 1 9 6 2 7 王府梅服装面料的性能设计 M 上海：中国纺织大 学出版社，2

37、0 0 0 1 3 0 薛薇s P S S 统计分析方法及应用 M 北京：电子工业 出版社，2 0 0 4 3 2 9 项静恬，史久恩非线性系统中数据处理的统计方法 M 北京：科学出版社，2 0 0 0 于伟东储才元纺织物理 M 上海：东华大学出版 社，2 0 0 2 3 9 7 3 9 8 蒋宗礼人工神经网络导论 M 北京：高等教育出版 社，2 0 0 1 2 7 年现代纺织技术征订启事 现代纺织技术是浙江理工大学、浙江省纺织工程学会联合主办的科技期刊。公开发行 ( c N3 3 1 2 4 9 1 S ) ，邮发代号3 2 1 1 8 。已人编中国学术期刊( 光盘版) 和万方数据资源系统

38、数字化期刊群。它的任务是促进科学技术转化为生产力，应用高新技术改造和提高传统纺织 产业。以现代纺织科技为重点，报道理论研究、应用开发、生产技术和管理的成果或经验，为生 产实际服务，为振兴纺织业服务。读者对象包括纺织企事业单位生产人员、工程技术人员、科 研人员、大中专院校的师生、纺织业经营管理人员等。 现代纺织技术欢迎各界人士踊跃来稿，欢迎刊登广告。 现代纺织技术为双月刊，大1 6 开，6 4 7 2 页，每单月1 0 日出版。国内定价每期8 0 0 元，全年共4 8 0 0 元。读者可前往当地邮局订阅，邮发代号：3 2 1 1 8 。亦可直接向本刊编辑部 订阅。 地 址：杭州市下沙高教园区(

39、西区) 浙江理工大学现代纺织技术编辑部 邮政编码：3 1 0 0 1 8 电 话：0 5 7 1 8 6 8 4 3 1 5 0 ，8 6 8 4 3 1 5 1 ，8 6 8 4 3 1 5 2 传真：0 5 7 l 一8 6 8 4 3 1 5 0 E m a i l ：a t t z s t u e d u c n 1 l 】1 1 l i _ I m f 。J - “- _ l j ，_ I ，m f 1 J 1 J 1 J 1j、J 1 j 州 州 r 三l 圳 例 r 三l 蚓 r L r L r L rj r L r L 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark