基于BP神經(jīng)網(wǎng)絡(luò)的服裝號(hào)型推薦方法研究.pdf

1、隨著電子商務(wù)的發(fā)展,服裝電子商務(wù)也進(jìn)入了快速發(fā)展時(shí)期。網(wǎng)絡(luò)服裝銷售的增加,服裝退貨率也隨之增加。退貨率的主要原因是消費(fèi)者認(rèn)為在網(wǎng)上購(gòu)買的服裝不合體。這也是網(wǎng)絡(luò)服裝的最大障礙。本課題研究的目的就是尋找一個(gè)快速、科學(xué),切實(shí)可行的辦法來(lái)減少網(wǎng)購(gòu)服裝時(shí)出現(xiàn)的不合體問(wèn)題。
　　 基于合體性與人體體型的密切關(guān)系,本文選擇江浙地區(qū)年齡在18-25歲的青年女子作為研究對(duì)象。并運(yùn)用非接觸式人體測(cè)量方法測(cè)得研究對(duì)象的體型數(shù)據(jù)共300個(gè)樣本。

2、　　 首先,在對(duì)前人關(guān)于服裝合體性相關(guān)研究進(jìn)行調(diào)研的基礎(chǔ)上,論文對(duì)服裝合體性與人體特征部位及特征尺寸相關(guān)性進(jìn)行了分析,建立了基于層次分析法(The AnalyticHierarchy Process,簡(jiǎn)稱AHP)的服裝號(hào)型選擇模型。該模型目標(biāo)層即最合適的服裝號(hào)型,準(zhǔn)則層則是人體的8個(gè)控制部位,方案層則是服裝號(hào)型(S、M、L、XL)。通過(guò)將消費(fèi)者各控制部位數(shù)據(jù)與服裝號(hào)型數(shù)據(jù)進(jìn)行匹配,最終得到消費(fèi)者合適的服裝號(hào)型。通過(guò)實(shí)例驗(yàn)證方法的有效性

3、后,用該方法對(duì)課題的整個(gè)樣本數(shù)據(jù)進(jìn)行匹配分析。
　　 其次,利用人工神經(jīng)網(wǎng)絡(luò)對(duì)解決非線性問(wèn)題所獨(dú)有的先進(jìn)性及BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)模型的誤差反向傳播性,設(shè)計(jì)了號(hào)型推薦的BP網(wǎng)絡(luò)模型:人體控制部位數(shù)據(jù)作為BP網(wǎng)絡(luò)的輸入,將相應(yīng)號(hào)型作為神經(jīng)網(wǎng)絡(luò)的輸出。將AHP法得出的結(jié)果作為樣本訓(xùn)練這個(gè)網(wǎng)絡(luò),使不同的輸入向量得到相應(yīng)的輸出量值。但由于BP神經(jīng)網(wǎng)絡(luò)自身的不足與限制,如訓(xùn)練時(shí)間長(zhǎng)、收斂于局部極小值等。本文提出三

4、種改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)并將同樣的樣本數(shù)據(jù)用于三種神經(jīng)網(wǎng)絡(luò)訓(xùn)練中。通過(guò)對(duì)訓(xùn)練速度和精度比較,最終將Levenberg-Marquardt算法確定為本文的最終模型,將其運(yùn)用在服裝號(hào)型推薦模型中。最后將訓(xùn)練好的模型的權(quán)值、閾值進(jìn)行保存,這樣的BP神經(jīng)網(wǎng)可以作為一種有效工具,對(duì)樣本模式以外的對(duì)象做出相應(yīng)的推薦。
　　 總之,本文使用不同的分析方法和模型,對(duì)人體與服裝的合體匹配性進(jìn)行了研究和分析,通過(guò)實(shí)驗(yàn)驗(yàn)證方法可行性和有效性,為服裝號(hào)型推