基于神经网络集成的女下装号型归档模型构建

如何实现大样本的快速、精确号型归档是服装数字化批量定制系统构建的关键问题。本文结合下装结构设计的关键部位尺寸，在国标基础上将下装控制部位扩展为10项；以女裤装为例，分别构建身高和腰围的简单BP神经网络归档模型，通过平均影响值（MIV）筛选出对归档结果影响较大的5个控制部位，并将其作为集成归档模型的输入层，其中身高、腰围、臀围、腰围高、后档长为身高归档模型的输入变量，腰围、臀围、大腿围、腰长、身高为腰围归档模型的输入变量；通过Adaboost算法集成10个简单BP神经网络，获得具有高精度和强泛化能力的女裤装号型集成归档模型。