给大家推荐5篇关于服装风格的计算机专业论文

今天分享的是关于服装风格的5篇计算机毕业论文范文, 如果你的论文涉及到服装风格等主题,本文能够帮助到你

基于TPO规则的智能化服装搭配系统研究

这是一篇关于TPO,智能化,服装风格,搭配规则的论文, 主要内容为随着服装电子商务的快速发展,服装搭配推荐系统层出不穷。目前我国在服装搭配系统领域已取得显著成果,逐步实现了资源价值的最大利用。但从服饰搭配角度来看,搭配技术缺少一套系统规范的理论指导,服装搭配在规范性和专业性上还有待改善。本文以服装TPO规则作为服装搭配的理论依据,将着装规范原则与计算机技术相结合,设计了一套web动态网页的智能化服装搭配系统。系统采用SSH(Spring+Strut+Hibernate)架构,以TPO服装搭配理论为依据,MyEclipse为开发工具,运用JAVA语言,后台以MySQL数据库存放用户、服装图像、款式信息等各类数据,最终在tomcat7服务器上部署运行。在研究过程中,首先从定义、算法等方面解释了服装TPO原则和智能化的理论体系,接着从用户的角度出发设计了系统的主要模块和功能,针对服装搭配过程中不同服装的款式风格,应用决策场理论,把握决策者进行服装风格评定的动态心理过程,解决了服装款式的风格评定问题,同时建立专家系统知识库,挖掘服装关联规则,结合TPO理论生成专业的服装搭配规则,为用户进行个性化的服装搭配推荐。

基于卷积神经网络的服装风格识别与推荐研究

这是一篇关于服装风格,卷积神经网络,决策树算法,兴趣度算法,推荐系统的论文, 主要内容为近年来,电商平台发展迅猛,越来越多的用户选择线上购物。线上购物在一定程度上便利了人们的生活,但由于电商平台的产品琳琅满目,特别是服装类产品又具有个性化强且发展迅速的特点,这就使得海量信息出现在消费者面前,导致信息超载的现象。虽然购物平台为消费者提供搜索功能,但查询出来的结果数量往往还是十分巨大。消费者逐个挑选服装无疑浪费了大量的时间精力,最后还可能没有选到满意的商品。除此之外,服装风格是个较为模糊的概念,由于生活环境、教育水平等因素的差异,不同的人对服装风格有不同的理解,导致风格定位存在偏差。目前服装风格并没有一个准确的定义和度量方法。针对这一现状,本课题提出一种基于卷积神经网络的服装风格识别与推荐系统,以女装为例,在风格识别的基础上进行风格推荐,并搭建了一个女装风格推荐系统,结合用户的基本信息及个人偏好等给用户一个满意的服装风格款式推荐。首先,通过文献调研及市场调查确定目前市场上主流的八种服装风格,分别是:经典风格、优雅风格、轻快风格、休闲风格、运动风格、中性风格、前卫风格、民族风格。并通过专家访谈对八种风格进行分析整理,得到八种风格的风格特征。其次,在淘宝、天猫、京东等电商平台收集了 8877张服装风格样本图,并邀请服装领域相关专家对样本图片进行筛选,留下4410张最具代表性的风格样本图,创建了一个包括经典风格连衣裙、经典风格西装、经典风格衬衫、经典风格大衣、经典风格风衣、经典风格半身裙、优雅风格连衣裙、优雅风格大衣、优雅风格半身裙、休闲风格连衣裙、休闲风格大衣、休闲风格风衣、休闲风格卫衣、休闲风格外套、休闲风格半身裙、休闲风格T恤、休闲风格毛衣、休闲风格Polo衫、民族风格连衣裙、民族风格大衣、民族风格外套、民族风格衬衫、民族风格上衣、民族风格半身裙、前卫风格大衣、前卫风格西装、前卫风格衬衫、前卫风格风衣、前卫风格连衣裙、前卫风格T恤、运动风格连衣裙、运动风格外套、运动风格半身裙、轻快风格连衣裙、轻快风格衬衫、轻快风格上衣、轻快风格大衣、轻快风格外套、轻快风格半身裙、中性风格西装、中性风格大衣、中性风格夹克等42类服装风格样本库。第三,构建Alex Net卷积神经网络模型,通过反向传播算法进行权值参数调整,并修改网络模型中的超参数文件,得到适用于服装风格识别分类的网络模型。该网络模型结构包括5个卷积层、3个降采样层、3个全连接层和1个Softmax层,通过相互交替的卷积和降采样操作提取服装风格特征。第四,利用数据加强、灰度化和边缘检测等技术对样本图片进行预处理,利用调整后的网络模型对预处理过的风格样本进行风格识别分类训练,识别分类准确率为97.45%。第五,将识别分类好的服装风格样本图片导入服装风格推荐系统作为系统的服装风格商品模型,并将服装风格商品模型作为用户风格偏好模型的一部分,再通过使用决策树算法结合用户的风格偏好进行初始推荐。为了能及时的动态捕捉用户的兴趣变化,使用基于兴趣度的推荐算法进行动态推荐。最后,使用Java语言和MySQL数据库等技术搭建服装风格推荐系统,并对服装风格推荐系统进行实用性验证,主要采用数理统计的方法,寻找50位年龄在18-45岁之间的受试者登录系统进行验证,统计受试者对推荐结果的满意度。结果表明,绝大部分受试者对推荐结果表示满意,受试者的平均满意度为86.25%。综上本课题针对服装风格的识别分类研究,通过微调Alex Net卷积神经网络超参数文件,得到适用于服装风格识别分类的方法。再结合Java语言和MySQL数据库技术构建服装风格推荐系统,使用决策树算法和兴趣度算法实现对用户的风格款式推荐。

基于消费者风格偏好的运动休闲外套款式推荐系统的研究

这是一篇关于运动外套,设计要素,款式推荐,服装风格,感性意象,量化模型的论文, 主要内容为在“感性消费与体验经济”时代,消费者生理需求得到了满足,更加注重心理感受,倾向于挑选符合自身风格的服装款式。然而服装风格定义模糊且难以把控,在设计师与消费者之间形成了难以跨越的阻碍。海量数据使消费者无法快速选取符合需求的服装款式,与当今快节奏的生活方式相互矛盾。因此,将难以定性的服装风格进行量化表达,有助于满足消费者的需求,建立设计师与消费者之间的桥梁,结合个性化推荐系统提升消费者的选购效率和满意水平。受健康理念和社会环境的影响,运动休闲服装市场呈现上升趋势。本文以运动休闲外套为例,构建量化模型以预测消费者感知偏好并进行个性化推荐。主要研究内容如下:首先对风格分类标准与感性量化方法进行研究,奠定理论基础。进一步利用模块化思想对款式属性要素进行划分,结合网络爬虫技术下载的图片和通过专家访谈筛选出的关键属性,构建款式设计要素层次性结构图表。在此基础上,利用AHP层次分析法,构建款式要素评价模型,赋予属性相应权重。其次,为直观地体现出款式随风格的变换规律,选择以图表的形式呈现相关内容。利用聚类的方法挑选32款代表性样本,将样本标准化处理后,结合二维平面人台降低感知差异。在信度达标的基础上,绘制样本感性意象得分折线图以探索意象分布规律。结合相关性分析、主成分分析等方法,提取3个因子作为风格感知的代表性因素,构建三维意象空间与二维平面分布图,分析款式属性与风格感知之间的关联。然后,利用数量化理论Ⅰ将款式项目与类目进行量化编码并作为输入变量,结合输出变量矢量分析款式对感知因子的影响程度,构建风格量化模型。通过负相关系数、判定系数以及德宾沃森对模型的预测精度与拟合程度进行检验,结合实际案例验证模型的效果,为风格推荐提供依据。最后,将评价模型与量化模型应用于推荐系统。结合消费者多重需求制定推荐策略,利用多属性决策方法为用户提供款式约束方案,以Top-N原则可视化展示7款服装以及编号、共有和特有属性,结合用户反馈和多备择决策场理论预测消费者动态偏好。随机挑选10名消费者进行满意度测试,计算推荐系统的总体效用值,可知推荐效果达到满意水平。