女套裝男裝結(jié)構(gòu)的特征指標(biāo)分析

女套裝男裝結(jié)構(gòu)的特征指標(biāo)分析

在服裝結(jié)構(gòu)的設(shè)計中，規(guī)格和尺寸的選擇和使用通?；谠O(shè)計師的經(jīng)驗(yàn)和興趣，而服裝cad系統(tǒng)通常通過人機(jī)交互進(jìn)行輔助設(shè)計。版型的好壞與制版速度完全取決于設(shè)計師的經(jīng)驗(yàn)與熟練程度,這在一定程度上阻礙了服裝CAD技術(shù)在服裝企業(yè)的推廣和普及。隨著新一代計算機(jī)和人工智能技術(shù)的發(fā)展,知識工程、專家系統(tǒng)逐漸滲透到服裝CAD系統(tǒng)中,智能化成為服裝CAD系統(tǒng)發(fā)展的必然趨勢。服裝紙樣的自動生成是利用人工智能的推理技術(shù),通過建立知識庫、邏輯推理機(jī)制,計算機(jī)根據(jù)用戶所選的結(jié)構(gòu)特征查找知識庫,利用打板規(guī)則、方法和數(shù)據(jù)進(jìn)行一系列計算,最終生成合理的紙樣。服裝紙樣自動生成的核心是專家系統(tǒng),專家系統(tǒng)的核心是知識庫,而其中的關(guān)鍵是方法庫和規(guī)則庫。本文在量取女套裝上衣尺寸的基礎(chǔ)上,利用樣本聚類分析、主成分分析和相關(guān)分析的方法,提取最能代表女套裝上衣樣板尺寸的特征指標(biāo),在此基礎(chǔ)上運(yùn)用逐步回歸分析,研究女套裝上衣不同特征指標(biāo)數(shù)據(jù)之間的相互關(guān)系并建立數(shù)學(xué)模型,完成專家知識的獲取。1實(shí)驗(yàn)部分1.1主體結(jié)構(gòu)、服裝規(guī)格目標(biāo)樣本選取近30個中高檔品牌的100件女套裝上衣作為研究對象,廓形包括:肩、胸、腰的寬度與臀圍寬接近的H形;肩窄而下擺寬大的A形;肩寬而下擺窄小的Y形和有明顯收腰的X形4種,其主體結(jié)構(gòu)均采用常規(guī)的四開身和六開身結(jié)構(gòu),及利用省移原理構(gòu)成省和分割線相結(jié)合的綜合結(jié)構(gòu)。服裝規(guī)格選取中間體規(guī)格(160/84A)?？紤]到服裝面料及不同地域消費(fèi)者體型差異對樣板的影響,本文選取杭州市場的女套裝上衣,面料為非彈性的薄毛料和化纖面料。1.2服裝打版工藝采用軟卷尺、三角板、量角器和曲線板為測量工具,由經(jīng)驗(yàn)豐富、從事過多年服裝打版工作的人士手工測量。為減少測量誤差,對同一款樣衣進(jìn)行3次重復(fù)測量,取其平均值作為最終數(shù)據(jù)。1.3測量指標(biāo)選取在服裝紙樣設(shè)計中,體型特征是主要的研究對象。文獻(xiàn)將影響人體體型的指標(biāo)共分為5類:高度、側(cè)面形態(tài)、胸部形態(tài)、圍度和肩部形態(tài)。在此基礎(chǔ)上本文選取23項基本測量指標(biāo):前衣長、前后腰節(jié)差、胸圍、腰圍、前胸寬、前AH、臀圍放松量、胸腰差、臀腰差、前橫開領(lǐng)、后橫開領(lǐng)、前領(lǐng)深、袖窿深、后腰節(jié)長、水平肩寬、后背寬、后AH、后肩斜角、肩寬與腰寬比、袖長、袖肥、袖山高、袖口。測量示意圖見圖1。2測量結(jié)果和分析2.1q型聚類分析運(yùn)用SPSS13.0統(tǒng)計軟件,對23個測量數(shù)據(jù)進(jìn)行Q型聚類分析,使具有共同特征的樣本聚在一起,結(jié)果是將100件上衣分為以下幾類:寬松型、半寬松型、半貼體型和貼體型。表1示出各樣本的歸類情況。2.2探索性因子分析由于不同指標(biāo)之間往往存在一定的相關(guān)性,因此可以通過因子分析,用較少的幾個相互獨(dú)立的指標(biāo)來代替原來的多個指標(biāo)。通過對23個指標(biāo)進(jìn)行探索性因子分析,發(fā)現(xiàn)后肩斜角單獨(dú)構(gòu)成1個成分,根據(jù)多數(shù)研究者編制主成分的實(shí)際經(jīng)驗(yàn),1個主成分的變量數(shù)最少在3個以上,否則無法測出所代表的成分特質(zhì),內(nèi)容效度會不夠嚴(yán)謹(jǐn),因此剔除后肩斜角一項。另外,剔除受設(shè)計因素影響較大的前衣長、前領(lǐng)深和袖長3項,以及不易測量的肩寬與腰寬比和后腰節(jié)長2項,對17項指標(biāo)用SPSS13.0軟件進(jìn)行因子分析。2.2.1結(jié)果表1經(jīng)過對數(shù)據(jù)的預(yù)處理,對所采集的17項指標(biāo)數(shù)據(jù)進(jìn)行主成分分析,結(jié)果見表2。從表中可以看到,特征值超過1的主成分為3個,這3個主成分解釋了所有原始變量特征的80.072%,超過了80%,因其解釋了原變量絕大多數(shù)信息,所提取因子的可行性獲得通過。2.2.2服裝衣身匹配因子對提取的3個公共因子建立因子載荷矩陣,采用極大方差法旋轉(zhuǎn),經(jīng)5次迭代后收斂,得到旋轉(zhuǎn)后的因子載荷矩陣,見表3。由表3可知,第1個因子有前胸寬、胸圍、后背寬、水平肩寬、腰圍、臀圍放松量和前后腰節(jié)差7個變量,它們是決定服裝衣身樣板的基礎(chǔ)變量,可以命名為基本變量;第2個因子有前AH、后AH、袖口、袖窿深、袖山高和袖肥6個變量,它們反映了衣身袖窿與袖子之間的匹配關(guān)系,可以命名為匹配變量;第3個因子有前橫開領(lǐng)、后橫開領(lǐng)、臀腰差和胸腰差4個變量,它們控制了服裝領(lǐng)窩造型和衣身造型的變化,可以命名為造型變量。2.2.3服裝設(shè)備中主成分和邊材面特征指標(biāo)的相關(guān)分析為了找到各部位之間的相關(guān)程度,根據(jù)相關(guān)性確定最少數(shù)量的基本指標(biāo),分別對各因子內(nèi)的各部位進(jìn)行相關(guān)分析,其中相關(guān)系數(shù)可由Pearson相關(guān)分析系數(shù)矩陣得到,由于該相關(guān)分析系數(shù)矩陣較大,限于篇幅不詳細(xì)列出。經(jīng)過計算,在第1主成分中,胸圍是代表上衣樣板圍度方向的特征指標(biāo),用水平肩寬和后背寬代表上衣樣板寬度方向的特征指標(biāo)。在第2主成分中,用袖窿深、袖肥、袖口和袖山高代表上衣樣板袖窿及袖子造型的特征指標(biāo)。在第3主成分中,用胸腰差和后橫開領(lǐng)作為衣身樣板造型方面的特征指標(biāo)。綜上所述,胸圍、水平肩寬、后背寬、袖窿深、袖肥、袖口、袖山高、胸腰差和后橫開領(lǐng)9個變量作為反映女裝上衣樣板特征的指標(biāo)。3回歸模型的構(gòu)建3.1服裝企業(yè)回歸模型的建立及檢驗(yàn)進(jìn)行回歸分析之前,要事先確定樣板結(jié)構(gòu)中的自變量及因變量。目前,自變量篩選常用的方法有前進(jìn)法、后退法和逐步回歸法。其中逐步回歸法區(qū)別于前2種方法的根本之處是:每引入1個自變量,都會對已在方程中的變量進(jìn)行檢驗(yàn),對符合剔除標(biāo)準(zhǔn)的變量逐一剔除。本文選擇逐步回歸分析方法,采用F檢驗(yàn)的概率作為變量引入模型或從模型中剔除的依據(jù),即當(dāng)一個變量的Sig值≤0.05時,該變量被引入回歸方程中;當(dāng)一個變量的Sig值≥0.10時,從回歸方程中剔除該變量。通過對杭州30余家服裝企業(yè)的調(diào)研,發(fā)現(xiàn)目前服裝企業(yè)在進(jìn)行女裝上衣樣板設(shè)計時,選擇衣長、胸圍、腰圍、肩寬、袖長作為成衣規(guī)格的企業(yè)占所調(diào)查企業(yè)的85%以上。從實(shí)際的操作性以及盡可能提高模型的準(zhǔn)確性考慮,選用胸圍、胸腰差和水平肩寬3個指標(biāo)作為自變量,以逐步回歸法建立多元線性回歸模型。3.2多因素分析本文利用SPSS13.0統(tǒng)計軟件對4種類型樣衣尺寸分別進(jìn)行回歸分析,限于篇幅,其分析過程僅以貼體型上衣的后背寬為例。3.2.1線性回歸模型表4示出擬合的2個模型的決定系數(shù)改變情況。對于多元線性回歸模型,一般應(yīng)采用其調(diào)整的決定系數(shù)來判斷?？梢钥闯?隨著模型中變量個數(shù)的增加,R2系數(shù)也在不斷增加,其值為0.618,說明其擬合程度是可以接受的。3.2.2不同模型的回歸結(jié)果表5示出擬合的2個模型的方差分析檢驗(yàn)結(jié)果。從中可以看到,回歸平方和列與每個模型回歸行交叉位置上的數(shù)據(jù)從98.836增大到105.469,即隨著逐步回歸中模型的改進(jìn),已解釋變差越來越大。從表中還可以看到,每個模型的F統(tǒng)計值的顯著性概率均小于0.001,即拒絕總體回歸系數(shù)均為0的原假設(shè)。也就是說,2個模型均有統(tǒng)計意義,但模型有統(tǒng)計學(xué)意義不等于模型內(nèi)所有的變量就有統(tǒng)計學(xué)意義,還需進(jìn)一步對各自變量進(jìn)行檢驗(yàn)。3.2.3常數(shù)項顯著性表6示出對2個模型中各個系數(shù)檢驗(yàn)的結(jié)果,用的是t檢驗(yàn)。從結(jié)果中可以看出,2個模型中所有自變量的顯著性都小于0.01,第1個模型的常數(shù)項顯著性為0.419,不能拒絕常數(shù)項為0的假設(shè)。第2個模型的常數(shù)項顯著性為0.019,大于0.01,但還是小于0.05,表明第2個模型的常數(shù)項進(jìn)入回歸方程,所以選擇第2個模型作為回歸模型:后背寬=4.493+0.586×肩寬+0.093×胸圍3.2.4衣的回歸模型按照多元回歸分析,分別建立4種類型樣衣以胸圍、胸腰差和肩寬為自變量,后背寬、袖窿深、袖肥、袖山高、袖口和后橫開領(lǐng)為因變量的回歸模型,如表7所示。3.3樣衣特征指標(biāo)的計算為了驗(yàn)證所建立模型的準(zhǔn)確性,按照前面的方法重新量取30件上衣。聚類分析后,在4種類型樣衣中各隨機(jī)抽取4件,共16件樣衣作為測試樣本,特征指標(biāo)數(shù)學(xué)模型的計算值與樣衣實(shí)際值的比較見表8。其中1~4號為寬松型樣衣,5~8號為半寬松型樣衣,9~12號為半貼體型樣衣,13~16號為貼體型樣衣。從表中可以看出,計算值與實(shí)際值之間的誤差在服裝生產(chǎn)中是可以接受的,表明特征指標(biāo)的回歸模型具有較好的理論與應(yīng)用價值。4服裝嫌犯特征指標(biāo)的生成1)綜合考慮各種紙樣結(jié)構(gòu)指標(biāo),由Q型聚類分析可知,女套裝上衣按照造型的不同分為以下4類:寬松型、半寬松型、半貼體型和貼體型。2)利用主成分分析及Pearson相關(guān)分析,提取胸圍、水平肩寬、后背寬、袖窿深、袖肥、袖口、袖山高、胸腰差和后橫開領(lǐng)9個變量作為女裝上衣樣板的特征指標(biāo)。3)采用逐步回歸法,分別建立4種類型的多元線性回歸模型,通