论文部分内容阅读
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。