随着互联网技术的蓬勃发展,越来越多的消费者倾向于通过电子商务网站进行消费,而服装订单又在电商网站的订单中占据着很大的比例。网络购物在一定程度上方便了人们的生活,但是由于电商网站上服装玲琅满目,手动挑选衣物进行服装搭配无疑会增加消费者的购物时间,同时也会让网购变得十分繁琐。为了提升消费者的购物效率和购物体验,本文提出了一种基于多属性融合的服装搭配推荐算法。本文利用服装的颜色、纹理、形状等视觉信息以及由它们融合衍生而来的高阶特征作为服装的特征描述子,从而完成服装搭配的推荐。首先,本文对服装图像进行一系列的图像处理,利用自编码器提取图像的浅层视觉信息,并将这些视觉信息映射到可解释的语义空间,在语义空间上对浅层视觉信息进行特征组合,从而得到针对服装的一些组合特征。由于这些高阶特征可能包含一些冗余甚至负面的特征信息,因此本文借助孪生神经网络的多分支结构,利用启发式搜索算法对特征进行筛选,过滤掉一些对结果产生负面影响的特征,从而得到最终服装图像特征描述子。最后,本文设计了一种噪声不敏感的算法,将服装特征描述子之间的欧氏距离作为服装搭配度的衡量,从而完成服装推荐任务。本文利用爬虫技术从互联网上爬取带有搭配信息的上下衣、鞋帽等服装图片,用服装的点赞数来代表服装的搭配度,从而构建训练集和测试集,利用这些数据训练分类器来对本文提出的算法进行测试和验证,实验结果表明高阶特征的加入能够提升服装搭配的准确率,而特征筛选又能进一步提升服装搭配的效果。