亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        服裝制版系統(tǒng)參數(shù)量化模式識(shí)別

        2021-10-28 11:28:40旋,
        關(guān)鍵詞:模式識(shí)別腰圍服裝

        高 旋, 薛 慶

        (1.六安職業(yè)技術(shù)學(xué)院 藝術(shù)學(xué)院,安徽 六安237000; 2.上海大學(xué) 計(jì)算機(jī)工程與科學(xué)學(xué)院,上海 200444)

        在產(chǎn)品的設(shè)計(jì)、生產(chǎn)過程中,質(zhì)量控制是至關(guān)重要的一個(gè)環(huán)節(jié)[1-3]。本研究針對(duì)服裝制版系統(tǒng)參數(shù)量化模式識(shí)別進(jìn)行設(shè)計(jì),并通過仿真實(shí)驗(yàn)驗(yàn)證了所提方法的有效性,以期為實(shí)際的服裝制版系統(tǒng)參數(shù)量化模式識(shí)別提供一定的理論依據(jù)。

        1 服裝制版系統(tǒng)參數(shù)提取及預(yù)處理

        1.1 服裝制版系統(tǒng)參數(shù)提取

        目前,服裝制造行業(yè)的質(zhì)量管理模式以監(jiān)督、預(yù)防為主,要求相關(guān)服裝制造企業(yè)的殘次品率為0或接近0[4]。因此,服裝制造企業(yè)為提升工作效率,必須不斷優(yōu)化服裝制版系統(tǒng)。服裝制版系統(tǒng)優(yōu)化實(shí)質(zhì)上是不斷優(yōu)化其制版參數(shù),主要包括長(zhǎng)度、頸圍、臂圍、腰圍、胸圍、立襠等,本研究首先對(duì)這些參數(shù)進(jìn)行提取。

        將服裝制版系統(tǒng)視為一種三維空間結(jié)構(gòu)[5],在此結(jié)構(gòu)中獲取制版參數(shù)坐標(biāo)的最大值和最小值,分別設(shè)為Hmax和Hmin,此時(shí)可以獲取服裝制版的長(zhǎng)度參數(shù)

        C=Hmax-Hmin。

        (1)

        圍度參數(shù)是決定服裝質(zhì)量的關(guān)鍵參數(shù),這里以人體腰圍為例進(jìn)行提取。首先確認(rèn)人體腰高尺寸,即確定腰圍的取值范圍(圖1)。如圖1 所示,制版系統(tǒng)中腰圍參數(shù)曲線如同封閉的橢圓,在該橢圓上存在若干個(gè)數(shù)據(jù)點(diǎn),這些點(diǎn)共同形成了腰圍參數(shù)。此時(shí),確定橢圓的周長(zhǎng)即可得到腰圍參數(shù)

        圖1 確定腰圍參數(shù)范圍Fig.1 Determination of the range of waist circumference parameters

        (2)

        式中:wi為第i個(gè)數(shù)據(jù)點(diǎn)的距離;n為腰圍上的無限個(gè)數(shù)據(jù)點(diǎn)。

        根據(jù)腰圍參數(shù)的提取方式,可以通過確定服裝制版點(diǎn)間的距離實(shí)現(xiàn)圍度參數(shù)獲?。?/p>

        (3)

        式中:a、b、c分別為圍度參數(shù)封閉橢圓上數(shù)據(jù)點(diǎn)的坐標(biāo)。

        在上述制版系統(tǒng)參數(shù)的提取中,由于服裝生產(chǎn)過程中變化因素較多,導(dǎo)致其產(chǎn)品質(zhì)量控制難度較大,故需要對(duì)制版系統(tǒng)參數(shù)中易出現(xiàn)的誤差概率進(jìn)行確定。假設(shè)連續(xù)隨機(jī)變量X服從正態(tài)分布,則對(duì)應(yīng)的概率密度函數(shù)

        (4)

        式中:σ為不同類型的服裝材料;e為制圖效率。

        在實(shí)際統(tǒng)計(jì)數(shù)據(jù)為正態(tài)分布的情況下,服裝制版參數(shù)誤差出現(xiàn)的錯(cuò)誤概率完全不同。為了降低服裝制版系統(tǒng)誤差出現(xiàn)的概率,設(shè)定誤差出現(xiàn)的最小概率為α,服裝生產(chǎn)過程中不同參數(shù)誤差出現(xiàn)的概率為P。若P>α,說明服裝生產(chǎn)中系統(tǒng)參數(shù)無誤差;若P≤α,則說明服裝生產(chǎn)中制版系統(tǒng)參數(shù)存在一定誤差[6],整個(gè)生產(chǎn)過程已經(jīng)處于異常狀態(tài)。此時(shí),整個(gè)生產(chǎn)過程中出現(xiàn)n件服裝不合格的概率

        s=(1-P)n。

        (5)

        為了實(shí)現(xiàn)服裝制版系統(tǒng)參數(shù)的模式識(shí)別,首先提取服裝制版系統(tǒng)中服裝的寬度和圍度信息,并借助概率密度函數(shù)確定服裝制版系統(tǒng)參數(shù)的誤差,然后通過以下方程組計(jì)算出參數(shù)及驅(qū)動(dòng)集合圖形的變化,結(jié)合以下方程進(jìn)行凈胸圍及背長(zhǎng)等相關(guān)參數(shù)的提?。?/p>

        (6)

        1.2 服裝制版系統(tǒng)參數(shù)預(yù)處理

        在上述提取的服裝制版系統(tǒng)參數(shù)中,由于多種因素影響導(dǎo)致獲取的參數(shù)維度較高,從而影響服裝制版系統(tǒng)的制衣質(zhì)量,故需要對(duì)提取的參數(shù)進(jìn)行降維處理[7]。本研究借助主成分分析法實(shí)現(xiàn)了參數(shù)的降維處理。

        假設(shè)服裝制版參數(shù)中相關(guān)性指標(biāo)為x1,x2,x3,…,xn,將這些參數(shù)進(jìn)行重組,得到服裝制版參數(shù)

        Σ=(ξij)r×r,

        (7)

        式中:ξij為人體特征部位的尺寸;r為外輪廓線。

        式(7)中的人體特征部位尺寸ξij可化為

        (8)

        對(duì)服裝制版系統(tǒng)參數(shù)進(jìn)行重組,其信息貢獻(xiàn)率

        (9)

        式中:εi為服裝制版系統(tǒng)參數(shù)高維度特征值。

        在此基礎(chǔ)上,對(duì)εi的主成分維數(shù)進(jìn)行降維處理,實(shí)現(xiàn)服裝制版系統(tǒng)參數(shù)的預(yù)處理:

        (10)

        在服裝制版系統(tǒng)參數(shù)預(yù)處理中,借助主成分分析法計(jì)算系統(tǒng)參數(shù)的信息貢獻(xiàn)率及服裝制版系統(tǒng)參數(shù)高維度特征值,以實(shí)現(xiàn)系統(tǒng)參數(shù)主成分維數(shù)的降維處理,為后續(xù)的高精度量化模式識(shí)別奠定基礎(chǔ)。

        2 服裝制版系統(tǒng)參數(shù)量化模式識(shí)別

        2.1 服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型設(shè)計(jì)

        根據(jù)上述獲取的服裝制版系統(tǒng)參數(shù),本研究借助BP 神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型,使用小波分析方法對(duì)該模型求解,獲取最優(yōu)解,以實(shí)現(xiàn)服裝制版系統(tǒng)參數(shù)量化模式識(shí)別。

        BP神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域中較為先進(jìn)的一種算法,其結(jié)構(gòu)中每層神經(jīng)元都只作用于下層神經(jīng)元[8],不會(huì)出現(xiàn)連續(xù)或跳級(jí)現(xiàn)象,且各神經(jīng)元之間不存在相互作用。在服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型設(shè)計(jì)中,首先對(duì)服裝制版系統(tǒng)參數(shù)樣本數(shù)據(jù)進(jìn)行訓(xùn)練,然后借助該算法中的正向傳播和反向傳播實(shí)現(xiàn)模型的設(shè)計(jì)。

        假設(shè)神經(jīng)網(wǎng)絡(luò)中含有L層神經(jīng)元和n′個(gè)節(jié)點(diǎn),通過Sigmoid函數(shù)[9]將神經(jīng)元中的輸入信息依次映射到輸出端,輸入的信息樣本為服裝制版系統(tǒng)參數(shù)。若只存在一個(gè)輸出端口,則當(dāng)輸入第k個(gè)樣本時(shí),節(jié)點(diǎn)j的輸出可表示為

        (11)

        對(duì)應(yīng)神經(jīng)層的第j個(gè)節(jié)點(diǎn)輸出

        (12)

        將誤差函數(shù)表示為平方模型,獲取服裝制版系統(tǒng)參數(shù)的最終輸出:

        (13)

        根據(jù)式(13)構(gòu)建服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型:

        (14)

        式中:N為服裝制版系統(tǒng)參數(shù)樣本數(shù)量;δjk為輸入層與輸出層連接閾值;k為常數(shù)。

        2.2 服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型求解

        在上述服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型中,由于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的模型在尋優(yōu)過程中易獲取局部最優(yōu)解,影響服裝制版系統(tǒng)參數(shù)量化模式識(shí)別結(jié)果,故引入小波分析對(duì)服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型求解,以獲取全局最優(yōu)解。通過一維離散小波變換識(shí)別模型中的高、低頻部分,以確定服裝制版系統(tǒng)參數(shù)量化模式識(shí)別的初始數(shù)據(jù)變化趨勢(shì)[10]。

        首先,對(duì)服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型中的初始數(shù)據(jù)進(jìn)行小波分解:

        X(t)=pijX(t)+qijX(y) ,

        (15)

        式中:X(t)為小波分解流程;pijX(t)為服裝制版系統(tǒng)樣版圖像的低頻部分;qijX(y)為服裝制版系統(tǒng)樣版圖像的高頻部分。其中:

        (16)

        (17)

        式中:C1k為閾值;φ1k為控制圖模式原始數(shù)據(jù);D1k為小波函數(shù)的有效支撐長(zhǎng)度;Θ1k為小時(shí)聚階數(shù)。

        對(duì)服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型的參數(shù)進(jìn)行分解后,將其表示為一維離散小波的多層分解形式:

        (18)

        式中:pmX(t)為正交系數(shù);qmX(t)為緊支系數(shù);Cm,kφm,k為支撐寬度;Dm,kΘm,k為正態(tài)分布的期望值。

        式(18)中的支撐寬度

        Cm,kφm,k=HCm-1。

        (19)

        將一維離散小波變換后的參數(shù)量化模式初始數(shù)據(jù)劃分為低頻部分與高頻部分,設(shè)定一維離散小波變換的近似系數(shù)為模型尋優(yōu)因子,輸出服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型中的隱藏層節(jié)點(diǎn):

        (20)

        式中:yi為隱藏層節(jié)點(diǎn)輸出;ωij為模型權(quán)重;θj為參數(shù)修正值。

        此時(shí),求解服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型的輸出誤差,即可得到該模型的最優(yōu)解,完成服裝制版系統(tǒng)參數(shù)量化模式識(shí)別:

        (21)

        式中:tk為服裝制版系統(tǒng)參數(shù)量化模式識(shí)別模型的最優(yōu)解;Oi為分解系數(shù)。

        3 實(shí)驗(yàn)與結(jié)果分析

        3.1 實(shí)驗(yàn)方案

        為驗(yàn)證所提方法的有效性,本研究進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)在Windows 10操作系統(tǒng)下展開,利用開源數(shù)據(jù)挖掘工具Weka 6.0實(shí)現(xiàn)數(shù)據(jù)處理與分析,并通過Java語言實(shí)現(xiàn)。為保證實(shí)驗(yàn)效果,需要獲取實(shí)驗(yàn)中識(shí)別的樣本(圖2)。實(shí)驗(yàn)指標(biāo)分別為識(shí)別準(zhǔn)確率和服裝殘次率。

        圖2 識(shí)別樣本圖像Fig.2 Identification of the sample images

        3.2 結(jié)果分析

        為了驗(yàn)證本方法的有效性,選取文獻(xiàn)[3]和文獻(xiàn)[4]方法作為對(duì)比,分別對(duì)樣本服裝進(jìn)行模式識(shí)別,識(shí)別的面積越大代表識(shí)別準(zhǔn)確率越高,結(jié)果如圖3 所示。

        分析圖3可知,采用3種方法所得到的整體識(shí)別覆蓋面積存在一定差距。其中,采用本方法得到的樣本識(shí)別覆蓋面積在90%以上,而采用其他兩種方法得到的覆蓋面積均小于本方法。這是因?yàn)楸痉椒ń柚斯ぶ悄芩惴?gòu)建識(shí)別模型并獲取了最優(yōu)解,進(jìn)而提升了識(shí)別準(zhǔn)確率。

        圖3 用不同方法所得樣本識(shí)別準(zhǔn)確率對(duì)比Fig.3 Comparison of the accuracy of sample recognition by different methods

        為進(jìn)一步驗(yàn)證本方法的有效性,分析了采用3種方法所得的服裝殘次率,并將測(cè)試結(jié)果與實(shí)際生產(chǎn)中的殘次率進(jìn)行比較,結(jié)果如表1 所示。

        表1 采用不同方法所得的服裝殘次率對(duì)比Tab.1 Comparison of clothing defective rate of different methods

        分析表1可以看出,隨著識(shí)別樣本維度的不斷升高,采用3種方法所得的服裝殘次率均呈上升趨勢(shì)。其中,采用本方法所得的服裝殘次率較其他兩種方法低。與實(shí)際生產(chǎn)中的殘次率相比,采用3種方法所得的服裝殘次率與實(shí)際均存在一定差異。其中,采用本方法所得的殘次率與實(shí)際最為接近,而采用其他兩種方法所得的殘次率與實(shí)際偏差較大。這是由于本方法在進(jìn)行服裝制版之前對(duì)獲取的參數(shù)特征進(jìn)行了預(yù)處理,并根據(jù)構(gòu)建的服裝制版系統(tǒng)參數(shù)量化模式獲取了最優(yōu)解,實(shí)現(xiàn)了服裝制版最優(yōu),進(jìn)而降低了服裝生產(chǎn)的殘次率。

        4 結(jié)語

        針對(duì)傳統(tǒng)模式識(shí)別方法存在的誤識(shí)率較高、運(yùn)行時(shí)間較長(zhǎng)等問題,本研究結(jié)合小波分析、BP神經(jīng)網(wǎng)絡(luò)對(duì)服裝制版系統(tǒng)參數(shù)量化模式進(jìn)行識(shí)別,并用仿真實(shí)驗(yàn)證明了本方法具有較好的識(shí)別效果。

        猜你喜歡
        模式識(shí)別腰圍服裝
        讓人心碎的服裝
        腰圍增加1厘米相當(dāng)于老了1歲
        中老年保健(2021年7期)2021-12-02 16:50:22
        選腰圍 試戴半小時(shí)
        保健與生活(2020年3期)2020-03-02 02:27:23
        腰痛病人如何使用腰圍
        人人健康(2018年17期)2018-01-27 00:09:45
        淺談模式識(shí)別在圖像識(shí)別中的應(yīng)用
        第四屆亞洲模式識(shí)別會(huì)議
        現(xiàn)在可以入手的mina風(fēng)高性價(jià)比服裝
        服裝家紡個(gè)股表現(xiàn)
        第3屆亞洲模式識(shí)別會(huì)議
        電氣設(shè)備的故障診斷與模式識(shí)別
        河南科技(2014年5期)2014-02-27 14:08:35
        亚洲中文字幕乱码一二三区| 亚洲精品蜜夜内射| 欧美成人在线视频| 欧美黑人又粗又大久久久| 国产精品无码久久久久下载| 日韩有码中文字幕在线视频 | 欧洲熟妇色xxxx欧美老妇多毛| 91精品一区国产高清在线gif| 精品无码人妻久久久一区二区三区| av免费在线国语对白| 亚洲av无码乱码国产精品久久| 藏春阁福利视频| 国产在线视频h| 精品国产免费一区二区久久| 色综合久久久无码中文字幕| 亚洲欧美日韩在线一区| 人妻系列无码专区久久五月天 | 中文无码一区二区不卡av| 在线观看免费午夜大片| 国产精品无码v在线观看| 一本大道东京热无码| av手机在线天堂网| 日本免费看片一区二区三区| 亚洲乱亚洲乱妇无码麻豆| 国产亚洲精品aaaa片app| 日本啪啪一区二区三区| 亚洲美女毛片在线视频| 国产av无码专区亚洲av中文| 国产精品视频久久久久| 国产午夜精品av一区二区三| 激情综合婷婷色五月蜜桃| 99精品免费久久久久久久久日本 | av一区二区不卡久久| 精品福利一区二区三区蜜桃 | 亚洲国产另类久久久精品黑人| 亚洲va欧美va人人爽夜夜嗨| 桃色一区一区三区蜜桃视频| 亚洲av无码一区二区三区乱子伦| 正在播放国产多p交换视频| 麻豆激情视频在线观看| 中文字幕日韩精品有码视频|