在我国服装行业创新驱动、转型发展的背景下,增强服装品牌的自主研发能力,提高创新概念设计水平是我国迫切需要解决的问题。时尚在很长一段时间内被认为由时装设计师引导,本文认为时尚是在一定的社会背景下客观形成的,而不以人的主观意志为转变,时尚的形成可通过对众多因素客观、精准地综合分析。在当今时尚快速变化的背景下,服装设计工作已不再完全依赖设计师的个人创意,人量的现代化信息科技工具被运用于研发流程中。本文依托国家211重点学科建设子项目“服装艺术创意与流行趋势优化”,提出基于知识管理的理念,运用数据仓库工具模拟原本依赖服装设计师主观判断的时尚知识优化过程,通过决策支持系统形成科学、客观、快速、准确的服装概念设计方法。本文的主要内容为：一、根据时尚知识管理的需求,提出基于知识管理的时尚数据仓库(Fashion Data Warehouse,简称FDW)的概念,并分析了采用数据仓库技术的必要性和可行性。根据时尚数据仓库体系的特点,构建了时尚数据字典、时尚数据来源、时尚数据整理、时尚数据挖掘和前端决策支持的总体结构。提出时尚数据字典(Fashion Data Dictionary,简称FDD)的概念,包括时尚色彩数据字典、时尚面料数据字典、时尚辅料数据字典、时尚图案数据字典、时尚工艺数据字典、时尚款式数据字典和时尚风格数据字典等,将来源于不同渠道的各种时尚数据进行格式统一。每种数据字典将数据类型、数据层级、数据内容及其标准表示方法进行了整理归纳。本文把时尚数据的抽取来源归纳为流行服装、社会背景和艺术作品,其中流行服装数据来源包括服装秀场、服装市场、服装品牌宣传、目标消费群、服装网店产品、服装和面料展会等,社会背景数据来源包括政治、经济、环境、科技、体育、生活方式等,艺术作品数据来源包括影视剧、美术、设计、音乐、舞台艺术、文学等。本文定义了时尚数据整理规范,包括时尚数据抽取内容、命名规则、转换规范和加载标准,使从各种渠道抽取的时尚数据以标准化的数据格式载入数据仓库二、论述针对时尚服装知识的多维数据挖掘方法。为了解决对服装设计师获取时尚知识的渠道、数量、质量、理解程度等难以控制的问题,本文从时尚分析的需求和数据挖掘原理出发,提出时尚数据挖掘的概念,建立了OLAP多维数据挖掘模型。论述了时尚服装数据挖掘维表设计,包括时间维、来源维、品牌维、色彩维、面料维、辅料维、图案维、工艺维、款式维、风格维的层次和成员,制定了OLAP星型挖掘模型。根据时尚数据多维化的特性,定义了时尚服装数据方体,以及色彩、面料、辅料、图案、工艺、款式和风格等各维度数据挖掘的方体模型,包括时尚分析目标对象、数据挖掘层次、数据方体设置、挖掘结果示例例及其有效性分析等。时尚数据通过OLAP多维数据挖掘方法能够得到客观的时尚知识,包括时尚色彩、时尚面料、时尚辅料、时尚图案、时尚工艺、时尚款式和时尚风格等。本文提出时尚数据占比统计、排序统计和关键快照的前端报表呈现方式,提供定量、直观的时尚分析结论,作为服装产品概念设计的参考。以时尚色彩为例,展现了OLAP的前端报表的实际效果。同时论述了来源为社会背景和艺术作品数据的OLAP时尚风格挖掘方法。三、社会背景对时尚风格的形成有着重要影响是服装行业的共识,但两者间的关系研究始终停留在社会学的定性研究。本文研究重点在于将属于隐性知识的社会背景转化为属于显性知识的时尚风格。把服装时尚风格归纳为具备相反特征的“两极型”时尚风格倾向：复古与未来、奢华与简约、保守与个性、中性与性别差异。同时将时尚风格分为现实时尚风格倾向和理想时尚风格倾向两大类。研究了欧美1900年至2009年社会背景中政治、经济、环境、科技事件对时尚风格的影响规律,归纳了社会背景和时尚风格倾向之间的对应关系。本文把社会背景归类成“两极型”和“单极型”指数表示方法,将每类事件按照其不同的特性归纳出极端,并提出社会背景综合指数的概念和获取方法。通过抽取社会背景综合指数的平均值、特异值和指数集中区域,得到时尚风格知识,并通过实例论证了从社会背景隐性知识向时尚风格显性知识的转换的可行性。这种研究方法的优点在于能够通过突破时间限制来细分时尚风格,以及通过突破区域限制分析本土时尚风格。四、论述了时尚服装概念设计决策支持方法的概念和架构。服装概念设计具有明显的创造性、多解性、层次性、近似性、经验性和综合性特点,是设计过程中最关键和最具创造性的阶段。本文提出采用基于时尚数据仓库的服装概念设计决策支持方法,避免概念设计中的盲目性和主观性,达到客观、准确、高效的目的。本文将服装概念设计定义为用于指导服装新产品开发的时尚创意概念设计,包括风格主题概念,及其对应的色彩、面料、辅料、图案、工艺和款式等概念设计。论述了通过数据仓库进行时尚服装概念主题和服装元素概念设计决策支持的方法。对人机交互进行服装概念设计的架构、流程和界面设计等进行了系统规划,系统决策支持的结果可以储存、导出、共享和更新,以确保服装概念设计知识的积累和重新应用,为设计团队的实时协同工作提供保障。本文进行了基于决策支持的时尚服装概念设计模拟实验,就关键词选择与概念设计对象确立、时尚风格主题概念推荐、主题概念汇总界面、色彩概念设计等方法进行了论证。本文的创新点主要表现在以下四个方面：一、提出时尚数据仓库与时尚数据字典的概念和构架。将时尚数据按照数据字典的规范标准进行转换,其中包括服装的色彩、面料、辅料、图案、工艺、款式、风格等各项数据字典,将来源于不同渠道的各种数据进行格式标准化,以满足后续数据挖掘和决策支持功能。二、提出采用联机分析处理(OLAP)进行时尚服装知识多维数据挖掘的方法。设计了针对时尚服装构成元素的多维数据挖掘立体模型,规定了数据挖掘的各个维度,以及统计报表的多种表现形式。三、提出利用综合指数将社会背景隐性知识对应转换为时尚风格显性知识的方法,针对时尚风格受社会背景的影响的观点进行了从定性研究向定量研究突破性的尝试。四、提出一种基于时尚数据仓库的服装概念设计决策支持方法,基于时尚数据仓库,通过数据挖掘提供服装时尚风格主题以及相对应的色彩、面料、图案、工艺、款式等概念设计方案。本文研究成果将应用于服装企业和行业公共服务平台,协助服装企业提升概念设计的科学性、客观性、准确性和高效性,为我国服装行业的转型升级和提升自主研发水平做出贡献。