基于神经网络的服装制板系统.pdf
《基于神经网络的服装制板系统.pdf》由会员分享,可在线阅读,更多相关《基于神经网络的服装制板系统.pdf(4页珍藏版)》请在三一文库上搜索。
1、第2 9 卷第1 期 2 0 0 8 年1 月 纺织学报 J o u r n a lo fT b x t i l eR e s e a r c h V 0 1 2 9 N o 1 J a n 2 0 0 8 文章编号:0 2 5 3 9 7 2 1 ( 2 0 0 8 ) 0 1 0 1 2 9 一0 4 基于神经网络的服装制板系统 丛芳,赵野军 ( 北京服装学院计算机信息中心,北京1 0 0 0 2 9 ) 摘要利用智能技术来打破服装参数化制板的传统模式,以女装原型数据为对象,J a v a 作为编程语言,对B P 神 经网络进行训练并检验。仿真结果表明:该算法在制作服装板型上完全可以达到与
2、人脑相似的程度;在板型数据 提取时,改变以往提取长度数据的计算模式,通过设定参数坐标,使图形与数据之间的相互转换更为方便;同时参 数坐标数值在B P 网络的训练中也表现了优异的包容性和数据相关性。 关键词智能;服装板型;人工神经网络( A n n ) ;B P 算法;J a v a 中图分类号:T s9 4 1 2 6文献标识码:A R e a l i z a t i o nO ft h ei n t e n i g e n tg a r m e n tp a t t e r ns y s t e mb a s e do nN e u r a lN e t w o r k s C O N GF
3、 a n g ,Z H A OY e j u n ( c o 印以e r 蜘r m o 砌nc e n e rB e 讲n g 加m 以eo ,C 胁砌w 孔c 矗f o g y ,& 咖凡g1 0 0 0 2 9 ,吼i 眦) A b s t r a c tn i sp a p e rm a k e dab r e a k t h r o u 曲o ft h et m d i t i o n a lm o d eo ft h eg a m l e n tp a m m e t e r i z a t i o np a t t e m m e t h o d T a k i n gt h ep
4、 I o t o t y p ew o m e n sg a 珊e n ta s t h es t u d yo b j e c t ,t h eB Pn e u m ln e t w o r kw a st m i n e da n d v e r i f i e dw i t hJ a v a T h es i m u l a t i o nr e s u l t si n d i c a t e dt h a tt h i sa l g o r i t h mw a ss i m i l a rw i t hourb m i no nm a k i n g g a r m e n tp
5、a t t e m A n dt h i sp a p e ru s e dt h em e t h o do fp a m m e t r i cc o o r d i n a t ew h i c hd i f k r sf m mt h o s eo fe x t m c t i n g t h el e n 昏ho fp a t t e mi nt h ep a s t I n t h i sw a y ,i tw a se a s i e rt oe x t m c tt h ed a t af 而mt h ep a t t e ma n dt om a k e t m n s f
6、e rb e t w e e nt h e m T h e s ec o o r d i n a t e d a t ae x p r e s sg o o dd a t a c o r r e l a t i o ni nt h e t r a i n i n go fB Pn e u r a l n e t 、v o r k s K e yw o r d sI n t e l l i g e n c e ;g a 瑚e n tp a t t e m ;a r t i f i c i a ln e u m ln e t w o r k ( A n n ) ;b a c kp m p a g
7、a t i o n ( B P ) a l g o r i t h m ; J a v a 计算机智能技术自2 0 世纪8 0 年代以来获得了 突飞猛进的发展,已经在化工、医药、机械、制图、生 产、测试等领域里发挥着巨大的作用。近几年来,国 外有很多专家把智能技术应用在服装领域,如西班 牙的I N v E S T R O N I c A 和法国L E c T R A 公司的服装 C A D 系统中都不同程度地使用了人工智能技术,而 国内的智能化C A D 系统仍然处于起步阶段,但毋庸 质疑,智能化是整个服装产业势不可挡的一个趋 势1 3 | 。 在实际应用中服装打板虽然有一些通用的公式 可以遵
8、循,但服装毕竟是以人为依据的,要实现个性 化的合体设计,并非是参数化的公式计算能完全实 现的。智能打板系统就是根据各个专家打板的特 点,学习专家的打板方法。本文基于B P 神经网络 算法研究一个自动打板系统,即应用神经网络的学 习模仿特性来学习专家打板方法。 人工神经网络原理 1 1 人工神经网络的模型 该系统的核心算法就是B P 神经网络算法,本 文所用的是3 层不含反馈的前向网络模型,如图1 所示。它包括输入层、隐含层和输出层,网络内通过 神经元( 节点) 顺序单向连接,每一连接弧连接着2 个神经元,并附有一数值形i 作为权值( 连接强度或 记忆强度) 。权值代表前一层神经元对后一层神经
9、收稿日期:2 0 0 6 一0 7 一1 9修回日期:2 0 0 6 一0 9 2 5 作者简介:丛芳( 1 9 8 1 一) ,女,硕士生。主要研究方向为服装智能化C A D 系统及服装计算机网络应用等。赵野军,通讯作者,E z n a j l z y j b i c t e d u c n 。 万方数据 PDF Watermark Remover DEMO : Purchase from www.PDFWatermarkR to remove the watermark 1 3 0 纺织学报第2 9 卷 元的影响,正的权值表示影响的增加,负的权值表示 影响的减弱。前向网络中每一层神经元只接
10、受前一 层神经元的输入,并在节点上进行复合( 线性叠加) 和畸变( 非线性特性函数映射) 。神经元模型如图2 所示,图中臼为阈值。前向网络的I 0 关系是一种 高度非线性的映射。如果输入节点数为n ,输出节 点数为m ,则网络是从砌到尺m 的映射,即有F : 尺n R m ,y = F ( x ) ,对于样本集合x 和输出y ,可 认为存在一映射G ,使= G ( 置) ,要求出映射F , 使得在某种意义上,F 是G 的最佳逼近。本文中所 用的神经元为非线性s i g m o i d 型阈值单元,作用函数 为儿) = 寿_ l o 一 恐 x i 输入层隐含层输出层 图1B P 网络模型 F
11、i g 1 B Pn e t w o r km o d e l , 图2 神经兀模型 F i g 2 N e u r a lc e l lm o d e l 1 2 反向传播算法 采用B P 神经网络算法,是采用正向反向共同 逼近的方法,在正向传播过程中,输入信息从输入层 经隐层逐层处理,并传向输出层,每一层神经元的状 态只影响下一层神经元的状态。反向传播时将输出 层的误差信号沿原来的连接通路返回,通过修改各 层神经元的权值及阈值使误差信号最小。不断用一 组组训练数据训练网络,重复前向传播和后向传播 过程,当满足均方根误差要求时,网络就学习好了。 网络训练的关键是如何向减小误差的方向调整 权值
12、。J 。 2 服装制板网络模型的建立 2 1 选择合理的人体数据 系统中力求达到输入几个关键人体数据,即可 输出具有专家水平的特定款式的成衣板型。服装板 型数据的计算是极其特殊的,会因不同体型生成不 同板型而有不同的算法,比如胖人的袖癃深,由公式 计算很难达到合体的程度,而智能化的神经网络正 好弥补了这一缺点,通过训练使神经网络各个节点 的权值和阈值达到最优化,使得计算结果与预想值 的误差最小,以达到合体的程度。 本系统需要一个足够的服装板型库,并把图形 库转化成数据库。数据库里的每一个样本都与一组 特定的人体数据对应,在训练系统,输入端输入人体 数据,经过隐含层的算法计算得到输出值,与专家样
13、 本的输出数据进行比较,得出误差值,反馈给隐含层 进行阈值、权值调整,如此反复多个样本训练后,其 权值完全符合专家的要求,则可以开始工作,即再重 新输入任何人体数据,都会得出与专家极其相似的 结果板型,当然其相似程度是与系统的可靠性有着 密切的联系。 在神经网络训练中,提取合适精确并且尽量少 的数据也是必须的。根据神经网络的原理,需要的 教师样本首先需要一个输入数据,其次是需要样本 的结果输出数据,对于服装样板来说教师样本就是 服装板型,它所对应的人体数据就是所需要的输入 数据,其次就是样本的基本图形数据,即描述该板型 图的基本数据,以服装原型板为例,如图3 所示6o 。 图3 标准女装原型
14、F i g 3 S t a n d a r dl a d i e sp m t o t y p e 在选择输出数据( 也同样是教师数据的结果数 据) 时要考虑数据与输入人体数据的相关性与依赖 性,因此,在选择图形数据的时候不但要考虑数据的 最小最优,还要考虑与每一个输入数据是否具有相 关性。综合以上各个因素,以原型左下角的D 点为 原点,建立二维直角坐标系。板型的每个关键点的 坐标为该板型的关键数据。对于该板型来说,关键 点共有2 3 个,除去原点以外的关键点为2 2 点,所取 的图形数据就是每个点的戈,y 坐标,则关键数据共 万方数据 PDF Watermark Remover DEMO :
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 神经网络 服装 系统
链接地址:https://www.31doc.com/p-3704688.html