基于多指標(biāo)權(quán)重的服裝尺寸自動(dòng)生成系統(tǒng)

基于多指標(biāo)權(quán)重的服裝尺寸自動(dòng)生成系統(tǒng)

隨著計(jì)算機(jī)服裝設(shè)計(jì)、版本和制造技術(shù)的廣泛應(yīng)用和發(fā)展，智能制造技術(shù)是服裝設(shè)計(jì)、制造和生產(chǎn)管理的新課題。智能打版系統(tǒng)是根據(jù)不同專家打版的特點(diǎn),學(xué)習(xí)專家打版的一種方法。實(shí)現(xiàn)以人工智能、智能控制等理論為指導(dǎo),以服裝制版人員,特別是缺乏服裝制版經(jīng)驗(yàn)的工作人員為使用對(duì)象,提供操作簡(jiǎn)易、直觀化的制版系統(tǒng),是目前服裝制版系統(tǒng)中2-D方向研究的熱點(diǎn)。國(guó)外在服裝智能化研究領(lǐng)域已取得了一定的成就,如Chen等利用人工智能技術(shù),根據(jù)人體尺寸和面料特性建立襯衫樣板預(yù)測(cè)系統(tǒng)。Gerber公司的AG-CUMARK系統(tǒng)、GC-CUMARK系統(tǒng)和法國(guó)Lectra公司的MODARISFITNET量身打版系統(tǒng)等都可應(yīng)用計(jì)算機(jī)技術(shù)自動(dòng)生產(chǎn)服裝款式樣片。國(guó)內(nèi)一些軟件也以智能化作為發(fā)展的創(chuàng)新點(diǎn),但實(shí)際應(yīng)用的較為成熟的服裝CAD技術(shù),仍處于提供輔助繪圖和計(jì)算功能的基礎(chǔ)階段。本文根據(jù)女套裝上衣經(jīng)典款式的細(xì)部尺寸,運(yùn)用非線性主成分分析法確定各特征指標(biāo)的權(quán)重,設(shè)計(jì)實(shí)現(xiàn)了服裝尺寸自動(dòng)生成系統(tǒng),通過輸入胸圍、肩寬和胸腰差,從樣板庫中自動(dòng)生成所需的樣板細(xì)部尺寸。1服裝樣品的特征指標(biāo)權(quán)重建立計(jì)算機(jī)輔助生產(chǎn)服裝樣板自動(dòng)生成系統(tǒng)就是建成以模型庫為基礎(chǔ)的專家打版系統(tǒng),以選定的服裝款式的成品規(guī)格尺寸作為輸入,通過知識(shí)庫、邏輯推理機(jī)制等專家系統(tǒng)建立數(shù)學(xué)模型,運(yùn)算出細(xì)部規(guī)格尺寸,為樣板設(shè)計(jì)提供全面的參考數(shù)據(jù),自動(dòng)生成2-D樣板。服裝樣板是以成品規(guī)格尺寸為基礎(chǔ)的各細(xì)部尺寸組成的平面幾何體,是否可以通過分析2-D特性得到其幾何尺寸是本文所要研究的問題。通過分析可以提取胸圍、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(gè)細(xì)部尺寸作為女裝上衣樣板的特征指標(biāo)。對(duì)于由樣板特征指標(biāo)所組成的復(fù)雜系統(tǒng),在因素項(xiàng)已經(jīng)選定之后,這些因素權(quán)重取值往往對(duì)評(píng)價(jià)的目標(biāo)問題產(chǎn)生重大的影響,因此需要確定各項(xiàng)特征指標(biāo)的權(quán)重。如果服裝尺寸自動(dòng)生成系統(tǒng)可以通過輸入服裝規(guī)格數(shù)據(jù)由回歸模型計(jì)算出相應(yīng)的特征指標(biāo)并加權(quán),就可以根據(jù)最小距離的判別從已有樣板庫中自動(dòng)生成最接近目標(biāo)樣板的各細(xì)部尺寸。女套裝上衣是女裝中經(jīng)典的款型,款式設(shè)計(jì)相對(duì)穩(wěn)定,結(jié)構(gòu)設(shè)計(jì)要求嚴(yán)格,具有代表性。樣本選取30個(gè)號(hào)型為160/84A中高檔品牌的100件女套裝上衣作為研究對(duì)象。廓形包括:平肩、不收緊腰部、筒形下擺的H形;肩、胸造型較小而下擺寬大的A形;肩寬而下擺窄小的T形和肩部稍寬、收腰明顯、下擺較大的X形4種,衣身采用常規(guī)的三開身和四開身結(jié)構(gòu),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)。2數(shù)學(xué)模型的確定2.1主成分正則化目前,人們提出了許多有效的賦權(quán)方法,傳統(tǒng)的主成分分析只能處理“線性”問題。在現(xiàn)實(shí)生活中,指標(biāo)間的關(guān)系很多呈非線性相關(guān),本文使用了一種改進(jìn)的主成分分析法———非線性主成分分析法來確定各特征指標(biāo)的權(quán)重。具體步驟如下:1)對(duì)原始數(shù)據(jù)作對(duì)數(shù)-中心化轉(zhuǎn)換。式中:i表示不同樣本,i=1,2,…,k;j表示各特征指標(biāo),j=1,2,…,n。2)計(jì)算樣本協(xié)方差矩陣。S=(Sij)n×n3)從S出發(fā)求樣本的主成分。應(yīng)用SPSS軟件Factor模塊中的PrincipleAnalyze,得到主成分對(duì)應(yīng)于各特征值的正則化特征向量Wjl。式中:qj為各指標(biāo)的權(quán)重系數(shù);λl為與各主成分對(duì)應(yīng)的特征值;m為主成分?jǐn)?shù)。5)記ωj為各特征指標(biāo)的權(quán)重,則運(yùn)用Excel模塊中的和函數(shù)對(duì)原始數(shù)據(jù)分別用式(1)、(2)進(jìn)行對(duì)數(shù)中心化轉(zhuǎn)換和協(xié)方差矩陣計(jì)算,從協(xié)方差矩陣出發(fā),利用SPSS13.0統(tǒng)計(jì)軟件得到特征指標(biāo)對(duì)于主成分的負(fù)載荷矩陣,結(jié)果見表1。應(yīng)用公式可得各特征指標(biāo)的權(quán)重。再由式(3)計(jì)算得到各特征指標(biāo)的權(quán)重值,結(jié)果見表2。2.2山高和后橫開領(lǐng)回歸模型按照文獻(xiàn)的多元回歸分析,分別建立以胸圍、胸腰差和肩寬3個(gè)指標(biāo)作為自變量,后背寬、袖窿深、袖肥、袖口、袖山高和后橫開領(lǐng)為因變量的回歸模型,具體如以下各式表示:后背寬=4.493+0.586×肩寬+0.093×胸圍袖窿深=11.951+0.129×胸圍-0.08×胸腰差袖肥=0.374×胸圍-0.978袖口=5.425+0.084×胸圍袖山高=2.422+0.356×肩寬后橫開領(lǐng)=9.132-0.067×胸腰差2.3自動(dòng)生成數(shù)學(xué)模型的建立2.3.1a,b,a定義:設(shè)A1,A2,…,An是論域U上的n個(gè)子集,稱以A1,A2,…,An為分量的向量是向量集合族,記為A=(A1,A2,…,An)。2.3.2n階鄰近度模式識(shí)別屬人工智能研究領(lǐng)域,擇近原則是模式識(shí)別的一種常用方法。本文依據(jù)擇近原則建立樣板尺寸自動(dòng)生成的理論模型。設(shè)有待識(shí)別的樣板特征指標(biāo)組成的向量B={b1,b2,…,bn},與樣本庫所組成的向量集{A1,A2,…,An}m×n共同構(gòu)成(m+1)×n階貼近度判別矩陣R,矩陣中各向量均由表1中的胸圍、肩寬、后背寬等9個(gè)特征指標(biāo)組成。式中:i=1,2,…,m,m+1;j=1,2,…,n。待識(shí)別向量與樣本庫中m類樣本的差異用特征指標(biāo)間加權(quán)的歐氏權(quán)距離表示:式中:ωj表示每個(gè)特征指標(biāo)不同的權(quán)重,其權(quán)向量為ω=(ω1,ω2,…,ωn),Σωj=1,i=2,3,…,m+1。若存在i∈{2,3,…,m+1},使得則稱b與ai最貼近。3服裝尺寸自動(dòng)生成模塊采用VB.NET編程軟件進(jìn)行程序設(shè)計(jì),主要由尺寸設(shè)置、特征指標(biāo)生成和樣板數(shù)據(jù)生成這3部分組成。其中:尺寸設(shè)置部分包括相關(guān)成衣數(shù)據(jù)的輸入模塊;特征指標(biāo)生成部分包括利用回歸數(shù)學(xué)模型進(jìn)行其他特征指標(biāo)的計(jì)算與保存等模塊;樣板數(shù)據(jù)生成部分包括貼近度的計(jì)算與顯示、樣板編號(hào)與打版細(xì)部參數(shù)的顯示等模塊。進(jìn)入服裝尺寸自動(dòng)生成模塊界面,輸入變量值肩寬、胸圍和胸腰差,點(diǎn)擊“生成其他數(shù)據(jù)”鍵,系統(tǒng)內(nèi)部通過2.2所給出的回歸模型自動(dòng)計(jì)算出待識(shí)別樣板對(duì)應(yīng)的其余6個(gè)特征指標(biāo)。點(diǎn)擊“查詢”鍵,計(jì)算機(jī)根據(jù)界面下方不同特征指標(biāo)的權(quán)重,對(duì)特征指標(biāo)進(jìn)行加權(quán),將特征指標(biāo)和權(quán)重代入對(duì)應(yīng)的貼近度判別矩陣式(4)中與樣本庫各樣本每個(gè)特征指標(biāo)的細(xì)部尺寸進(jìn)行計(jì)算。經(jīng)過式(5)的運(yùn)算,得到加權(quán)的歐氏權(quán)距離值,再由式(6),最終產(chǎn)生與樣板庫中最接近的樣板細(xì)部尺寸,并通過服裝CAD軟件及繪圖儀繪出樣板圖。例如,輸入:肩寬=38;胸圍=93;胸腰差=16。根據(jù)生成的特征指標(biāo),計(jì)算機(jī)通過貼近度判別,得出第66號(hào)(ID=66)樣板的數(shù)據(jù)與目標(biāo)樣板最接近,如圖1所示。4建立模糊集理論對(duì)系統(tǒng)進(jìn)行測(cè)試,分別輸入4組、每組包括胸圍、肩寬和胸腰差3個(gè)基本變量,經(jīng)過上述處理和運(yùn)算后,從樣板庫中輸出與目標(biāo)樣板尺寸最貼近的樣本,4組輸入及輸出數(shù)據(jù)見表3。分別以4組數(shù)據(jù)打樣并制作樣衣,對(duì)成衣效果進(jìn)行綜合評(píng)判,驗(yàn)證系統(tǒng)的實(shí)用性。對(duì)成衣效果的評(píng)價(jià)帶有主觀性,往往受到多種因素的影響。模糊集理論能夠很好的表達(dá)人們現(xiàn)實(shí)生活中遇到的含義確定但又不準(zhǔn)確的語言描述,被認(rèn)為是解決人工智能問題尤其是常識(shí)性問題的最合適的數(shù)學(xué)工具。建立以4種不同樣衣類型、3類參與評(píng)價(jià)人員、4種評(píng)價(jià)指標(biāo)為主的3層模糊綜合評(píng)判模型并計(jì)算。限于篇幅,在此不列出詳細(xì)計(jì)算過程。經(jīng)評(píng)價(jià)后的總體評(píng)估態(tài)勢(shì)為:32.23%為好,62.88%為較好,4.53%為一般,0.36%為較差,0%為差。實(shí)驗(yàn)驗(yàn)證結(jié)果表明,采用服裝尺寸自動(dòng)生成系統(tǒng)輸出的服裝樣板細(xì)部尺寸,可以達(dá)到較為理想的設(shè)計(jì)效果。5服裝技術(shù)路線針對(duì)女套裝上衣,本文提出了一種有效的服裝尺寸自動(dòng)生成方法,通過建立中間體樣板尺寸自動(dòng)生成的理論模型及程序設(shè)計(jì)實(shí)現(xiàn)了由成品規(guī)格自動(dòng)生成細(xì)部規(guī)格尺寸。驗(yàn)證結(jié)果表明,系統(tǒng)及方案設(shè)計(jì)合理,技術(shù)路線正確。具體結(jié)果如下:1)科學(xué)地確定了女裝樣板特征指標(biāo)權(quán)重,為女裝結(jié)構(gòu)設(shè)計(jì)中規(guī)格尺寸的合理選擇與設(shè)置提供了理論依據(jù)。2)初步設(shè)