服飾智能適配系統(tǒng)的研究與應(yīng)用.pdf

1、近年來服飾適配研究受到了許多學(xué)者的關(guān)注，也是改進時裝的設(shè)計和銷售模式、提升用戶體驗的重要手段，成為時裝業(yè)提高競爭力的必備策略。服飾適配決策過程是復(fù)雜的、不確定的，實現(xiàn)服飾適配的智能化是其重要的研究方向。本論文提出的“服飾智能適配系統(tǒng)”將智能與決策支持等理論相結(jié)合，應(yīng)用智能計算等方法，研究服飾智能適配系統(tǒng)中的建模、適配知識自學(xué)習(xí)、個性化適配行為挖掘、實時適配試著和服飾智能適配系統(tǒng)的集成應(yīng)用等問題，為服飾智能適配系統(tǒng)提供理論與方法。本論文研

2、究的主要貢獻和創(chuàng)新點如下:
　　 1、提出了服飾智能適配模型。將其歸結(jié)為一類模糊多目標(biāo)決策問題(FuzzyMCDM)，給出了服飾適配滿意度指數(shù)(FCSI)實現(xiàn)對適配結(jié)果的評估。針對服飾適配不確定性和復(fù)雜性，提出了基于適配知識專家系統(tǒng)和模糊篩選方法的服飾智能適配模型。其創(chuàng)新之處在于:(1)利用適配知識專家系統(tǒng)獲取專家的適配知識與經(jīng)驗，使其在單個屬性評估上具備了服飾適配專家般的思維;(2)采用模糊篩選方法評估所有屬性的整體效用，提出

3、模糊蘊涵算子計算整體適配的FCSI指數(shù)，解決了FMCDM中模糊數(shù)運算和評價的難題。另外，給出了適配規(guī)則的表達與推理的方法，模糊語言評價集的設(shè)計以及服飾適配效用屬性的識別方法。
　　 2、提出了基于改進Takagi-Sugeno模糊神經(jīng)網(wǎng)絡(luò)(TSFNN)的服飾適配知識自學(xué)習(xí)模型，解決了服飾智能適配模型中模糊權(quán)重確定難和適配知識無法自適應(yīng)等問題。研究了TSFNN模型設(shè)計與訓(xùn)練中“規(guī)則爆炸”和參數(shù)學(xué)習(xí)難兩方面問題，提出了用于規(guī)則約簡的

4、模糊聚類(FuzzyClustering)算法和提高TSFNN參數(shù)學(xué)習(xí)效率的PSO與GA混合算法，給出了一類改進TSFNN模型結(jié)構(gòu)。在此基礎(chǔ)上，將基于知識的屬性評估專家系統(tǒng)和改進TSFNN相結(jié)合，設(shè)計并開發(fā)了服飾智能適配決策支持工具，取得了滿意的效果。
　　 3、提出了基于Bayesian信念網(wǎng)絡(luò)(BBNs)的服飾適配行為挖掘模型，實現(xiàn)了對用戶服飾適配行為上的偏好信息與適配流行趨勢的捕捉。針對BBN結(jié)構(gòu)建模問題，提出了一類邊編碼

5、GA(EGA)算法用于尋找最優(yōu)的BBN結(jié)構(gòu)，給出了可集成領(lǐng)域?qū)＜抑R縮小搜索空間的方法，解決了BBN在高維數(shù)據(jù)空間和大規(guī)模數(shù)據(jù)集下結(jié)構(gòu)學(xué)習(xí)的難題。EGA算法的創(chuàng)新之處在于:編碼緊湊使染色體長度縮短，采用邊空間屏蔽集成專家知識，定義修正算子確保染色體為有向無環(huán)圖。
　　 4、提出了一種基于二維圖像的體型特征點識別和圖像卷繞(ImageWarping)算法的服飾實時適配試著模型，實現(xiàn)了基于真人二維圖像的實時適配試著效果展示。給出了基

6、于二維圖像的人體體型特征點定義，研究了利用圖像處理技術(shù)實現(xiàn)二維圖像中體型特征點自動識別的算法。給出了圖像卷繞算法的數(shù)學(xué)模型，提出了基于二維圖像的實時適配試著算法。實驗結(jié)果表明，本文方法響應(yīng)速度快，真實感強，操作簡單。
　　 5、提出了集服飾智能適配模型、適配知識自學(xué)習(xí)、適配行為挖掘及服飾實時適配試著于一體的服飾智能適配系統(tǒng)的集成與應(yīng)用，給出了服飾智能適配系統(tǒng)總體架構(gòu)及其應(yīng)用領(lǐng)域。引入RFID技術(shù)實現(xiàn)服飾與用戶身份的智能識別，提出