基于BP神经网络的服装号型推荐方法研究

论文摘要

随着电子商务的发展,服装电子商务也进入了快速发展时期。网络服装销售的增加,服装退货率也随之增加。退货率的主要原因是消费者认为在网上购买的服装不合体。这也是网络服装的最大障碍。本课题研究的目的就是寻找一个快速、科学,切实可行的办法来减少网购服装时出现的不合体问题。基于合体性与人体体型的密切关系,本文选择江浙地区年龄在18-25岁的青年女子作为研究对象。并运用非接触式人体测量方法测得研究对象的体型数据共300个样本。首先,在对前人关于服装合体性相关研究进行调研的基础上,论文对服装合体性与人体特征部位及特征尺寸相关性进行了分析,建立了基于层次分析法（The Analytic Hierarchy Process,简称AHP）的服装号型选择模型。该模型目标层即最合适的服装号型,准则层则是人体的8个控制部位,方案层则是服装号型（S、M、L、XL）。通过将消费者各控制部位数据与服装号型数据进行匹配,最终得到消费者合适的服装号型。通过实例验证方法的有效性后,用该方法对课题的整个样本数据进行匹配分析。其次,利用人工神经网络对解决非线性问题所独有的先进性及BP（Back Propagation）神经网络模型的误差反向传播性,设计了号型推荐的BP网络模型:人体控制部位数据作为BP网络的输入,将相应号型作为神经网络的输出。将AHP法得出的结果作为样本训练这个网络,使不同的输入向量得到相应的输出量值。但由于BP神经网络自身的不足与限制,如训练时间长、收敛于局部极小值等。本文提出三种改进的BP神经网络并将同样的样本数据用于三种神经网络训练中。通过对训练速度和精度比较,最终将Levenberg-Marquardt算法确定为本文的最终模型,将其运用在服装号型推荐模型中。最后将训练好的模型的权值、阈值进行保存,这样的BP神经网可以作为一种有效工具,对样本模式以外的对象做出相应的推荐。总之,本文使用不同的分析方法和模型,对人体与服装的合体匹配性进行了研究和分析,通过实验验证方法可行性和有效性,为服装号型推荐提供了新的途径。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 相关研究回顾
• 1.2.1 服装合体性研究现状
• 1.2.2 服装号型推荐现状
• 1.3 本文的研究路线和研究方法
• 1.3.1 本文的研究路线
• 1.3.2 本文的研究方法
• 1.4 本文的内容安排
• 第二章 人体试衣实验及人体数据采集实验
• 2.1 人体试衣实验
• 2.1.1 实验准备
• 2.1.2 实验过程
• 2.1.3 实验结果分析
• 2.2 人体数据测量
• 2.2.1 人体测量工具的确定
• 2.2.2 人体测量对象与测量项目的确定
• 2.2.3 样本的抽样方法与样本容量
• 2.3 人体数据测量过程
• 2.4 实验误差的控制
• 2.5 本章小结
• 第三章 号型选择模型的建立及实例分析
• 3.1 层次分析法概述
• 3.2 基于层次分析法的服装号型选择方法
• 3.2.1 服装号型选择层次递归算法
• 3.2.2 层次分析模型的建立
• 3.3 应用实例分析
• 3.4 本章小结
• 第四章 神经网络及号型推荐BP 网络模型的建立
• 4.1 人工神经网络概述
• 4.1.1 神经网络的分类
• 4.1.2 神经网络的学习方式
• 4.1.3 BP 神经网络
• 4.1.4 对BP 神经网络的评价
• 4.2 号型推荐BP 神经网络模型的建立
• 4.2.1 输入层节点的确定
• 4.2.2 输出层节点的确定
• 4.2.3 隐含层层数的确定
• 4.2.4 隐含层节点数的确定
• 4.2.5 隐含层和输出层激活函数的确定
• 4.2.6 初始权值的选取
• 4.2.7 学习速率的确定
• 4.3 号型推荐BP 神经网络模型仿真验证
• 4.3.1 训练样本集的选取
• 4.3.2 网络训练
• 4.4 BP 网络存在的问题及网络的改进算法
• 4.4.1 BP 网络存在的问题
• 4.4.2 BP 网络的改进算法
• 4.4.3 训练与测试
• 4.5 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 不足与展望
• 参考文献
• 致谢
• 附录
• 攻读学位期间的研究成果