本文在分析了织物染色配色的意义和方法后，阐述了径向基函数神经网络和模糊推理系统的一般理论，并研究了基于径向基函数神经网络和模糊神经网络的两种织物染色计算机配色方法。在织物染色配色领域中，自动配色的理论、方法、应用研究一直是非常重要的课题。由于织物染色配色需要考虑大量复杂、模糊和高度相关的变量因素，因此其建模方法一直是理论研究和应用的难点，目前还很难用数学建模方法对织物染色配色准确进行建模。传统的配色依靠人的经验，既费时又不够精确；当前的计算机配色(CCM)技术是采用现代色度学理论和计算机技术，通过光学仪器获取色彩样品的光学信息，由计算机给出最佳染色配方的一种新技术，此基于K-M理论的配色方法，精度不够高，结果需要修正。由于影响织物染色配色的种种复杂因素以及色彩样品数据的模糊特性，传统的和当前的计算机配色系统具有其局限性，本文基于近年发展起来的模糊逻辑和人工神经网络理论，研究了由两者整合而成的自适应神经模糊推理网络理论，以及其在织物染色配色中的应用，对织物染色配色理论研究应用有一定的现实意义。本文提出了一种基于自适应神经模糊推理系统的模糊神经网络的配色模型。该模型集模糊推理、神经网络算法于一体，构成基于神经网络的模糊推理系统，该网络又称模糊神经网络。在NeuroSolutions仿真平台，对建立的两种色料模型分别做了仿真，结果显示在模糊神经网络性能较传统的RBF神经网络有明显的提高。上述两种方法为计算机配色提供了新的途径，同时也为其理论在织物染色配色中的应用提供了新的参考，具有一定的理论研究价值和实际应用价值。