短裤特征截面曲线的径向基函数神经网络模型构建

将着装人台进行三维扫描获取点云数据，截取与人体特征部位相对应的短裤特征截面。将原数据坐标点转化为极坐标系下的极角与极径值后，以极角值作为输入向量，极径值作为输出向量，构建短裤特征截面曲线的径向基函数（RBF）神经网络模型，并与反向传播（BP）神经网络、最小二乘法及三次样条函数的拟合效果进行比较。结果表明，神经网络拟合曲线的平均绝对误差比最小二乘法及三次样条函数方法小，仿真输出曲线和原始数据非常接近，且曲线光滑；RBF网络的训练速度更快，所需训练步数少，拟合效率明显优于BP神经网络。