在实际的生产中，成衣规格更多的是以身高、净胸围为依据，采用控制部位的比例数加放一定的松量来确定，这种方法确定的人体成衣规格方便简单，利于生产，但不同体型、不同尺寸的人体采用相同号型的衬衫纸样，会忽略消费者个体的合体性需求。对此，本论文以与衬衫规格参数相关的人体净尺寸为输入向量，以衬衫规格参数为输出向量，建立具有个性化纸样特征的衬衫规格参数的BP模型，可以满足不同体型消费者合体性要求。主要的研究内容有：（1）衬衫规格参数推理方法的确定。对粒子群算法、遗传算法、人工神经网络算法进行初步探讨，通过对三种算法优缺点的比较确定采用BP神经网路作为衬衫规格参数的推理方法。（2）与衬衫规格参数相关的人体尺寸的获得及处理。通过三维人体扫描仪，获得700个人体数据，并以腹凸点到胸凸点的连线形成的水平夹角、臀凸点到背凸点的连线形成的水平夹角为分类指标，将人体数据集分为7类。（3）衬衫规格参数的确定及采寸实验。确定了不同体型的衬衫规格参数作为BP模型的输出向量。通过样板变更、个性化人体生成及面料物理性能的设置，实现三维虚拟试衣，获得个性化的合体的衬衫规格参数的样本。（4）衬衫规格参数推理模型的建立。以衬衫规格参数作为输出向量，与衬衫规格参数相关的人体净尺寸作为输入向量，建立BP模型。通过MIV（平均影响值）算法对输入向量进行进一步筛选，通过对数据的归一化方法、节点传递函数的设置、训练函数的设置、神经网络层数的设置、隐层节点数的设置、输入输出节点数的设置这6个方面对网络性能的影响进行探讨，最终构建了7个三层BP网络模型。（5）衬衫规格参数推理在客户化定制平台的应用。在Matlab7.1的环境下，运用GUI技术，设计第三方软件，使衬衫规格参数推理应用于客户化定制系统。主要解决的关键技术为：基于人体侧面照片的体型特征指标计算、体型的模糊识别、三维扫描文件数据的读取、应用MTM系统的接口文件的编码。本论文建立从人体净尺寸到衬衫规格参数的BP推理模型，可以用来解决人体测量数据传入格伯MTM软件中生成纸样的过程中，人体测量获得的是净体尺寸，而格伯MTM软件要求输入的是成衣尺寸这一系统应用问题。这个关键问题的解决将大大提高客户化定制系统的反应速度和定制质量，也是近年研究人员关注的热点问题。