基于对象信息的服装销售预测方法选择

服装销售预测的准确性除了取决于对服装销售影响因素的了解外,很大程度上还取决于选择适当的预测方法,快速而且准确的选择一个适合于企业实际情况的预测方法是建立综合预测模型的基础。通过对销售预测对象信息的分析,在对其分类的基础上对几种基本预测方法进行样本预测,结合预测结果与预测方法原理的分析对这些基本方法的适用范围进行评价,提出适用于服装销售预测的方法选择表,使预测方法与预测对象信息互相匹配,提高预测的效率和效果,为企业便捷的选择预测方法提供新的思路。     

样品温度对植物油的近红外定性分析模型的影响

主要研究不同的样品温度对基于激光近红外食用植物油分类模型预测能力的影响。选择样品温度分别为30、40、50、60℃作为研究对象,利用激光近红外光谱仪采集4种温度下的合格食用油样品的光谱数据,用标准正态变量变换(SNV)对光谱数据进行预处理,应用支持向量机分类(SVC)方法建立独立温度分类模型和混合温度分类模型,然后采用遗传算法(GA)对模型参数组合(C,g)进行寻优,确定最佳参数组合,利用建立的8个模型对4种不同温度下的预测集样品分别进行预测。试验结果表明:某个样品温度下的独立模型对于该温度下的样品的预测准确率较高,但是对于其他温度下的样品的预测准确率不够理想;混合模型对不同温度的样品预测能力相对较好,具有更好的预测稳定性和温度适应性。研究表明:样品温度对模型的预测能力有很大的影响,是建立食用植物油分类模型过程中需要考虑的重要变量。     

基于SVM女性服装型号推荐方法研究北大核心CSCD

摘要：针对网络服装销售中由于服装尺寸退货问题,根据不同年龄段女性体型特征数据,提出了基于机器学习方法的女性服装型号推荐方法,并给出了女性体型判别及预测的大体流程。首先,随机选择300位年龄在18～50岁的女性体型数据作为研究数据;其次,提取身高、背长、臂长、肩宽、颈围、臀围、胸围、腰围作为预测特征集,并对特征采用信息增益方法得到增益指数;再次,采用SVM方法和RBF核函数训练多个模型;最后,采用投票方式选取最终所属类,进行服装型号推荐。最终分类器采用测试集测试,结果表明模型预测准确度达到98％以上,预测结果可靠。     

面向大批量定制的基于改进的LS-SVM服装需求预测模型

为提高服装需求预测精度,充分考虑了服装需求量随季节、气候条件、价格、性别等因素的影响而动态变化的情况,运用模糊理论对相关影响因素进行模糊化处理后,再将这些影响因素作为服装需求量预测函数的输入变量;然后建立了以改进的二乘支持向量机(LS-SVM)方法为主、多方法融合为辅的预测模型,对服装销售量进行动态预测。实际算例验证了这一智能预测模型具有良好的精确性。     

服装风格图像的识别分类研究进展

针对服装风格识别与分类,从服装相关数据集、服装图像特征提取、应用场景3个方面综述了该领域的研究进展。服装图像分类数据来源主要包含社交网站、购物网站以及时尚资讯媒体,从季节、时尚风格、服装信息等服装属性归纳数据集特点,围绕图像处理技术对其应用于服装领域最广泛的特征提取方法加以介绍,详细综述了传统特征提取方法、卷积神经网络（CNN）、图卷积神经网络（GCNN）、无监督学习方法在服装领域的相关研究及其模型优化效果、优缺点等。最后分析讨论了服装风格识别分类在时尚风格流行趋势预测、服装搭配推荐方面的发展趋势、关键技术及应用前景。研究认为,未来可以在人体相关特征提取、多角度时尚趋势预测、服装推荐主观评价等方向进一步研究。     

基于SVM女性服装型号推荐方法研究

针对网络服装销售中由于服装尺寸退货问题,根据不同年龄段女性体型特征数据,提出了基于机器学习方法的女性服装型号推荐方法,并给出了女性体型判别及预测的大体流程。首先,随机选择300位年龄在18~50岁的女性体型数据作为研究数据;其次,提取身高、背长、臂长、肩宽、颈围、臀围、胸围、腰围作为预测特征集,并对特征采用信息增益方法得到增益指数;再次,采用SVM方法和RBF核函数训练多个模型;最后,采用投票方式选取最终所属类,进行服装型号推荐。最终分类器采用测试集测试,结果表明模型预测准确度达到98%以上,预测结果可靠。     

基于支持向量机对云南常见野生食用牛肝菌中红外光谱的种类鉴别

利用傅里叶变换中红外光谱鉴别云南野生牛肝菌种类,明确不同数据挖掘方法对模型分类性能的影响,为云南省食用菌的鉴别和质量控制提供参考依据。扫描云南8?种827?个常见野生牛肝菌样本的中红外光谱,分析光谱特征,结合支持向量机建立判别模型,并利用预处理、提取特征变量及两者组合等方法挖掘光谱信息,比较各模型分类性能,找出野生牛肝菌种类鉴别的最优方法。结果表明：原始数据存在大量噪音和干扰信息,降低模型分类性能;不同数据挖掘方法均能不同程度去除非有效信息,提高模型分类性能;预处理组合特征变量挖掘光谱信息能力最强,对模型分类性能提高最大。预处理组合特征变量对模型信息挖掘能力最强,结合支持向量机建立判别模型,模型拟合好,分类精度高,适用范围广,实现了8?种野生牛肝菌的准确、快速鉴别,可以为野生牛肝菌种类鉴别提供参考。     

基于客流量的贝叶斯回归服装销售预测方法

科学、准确地预测服装销售量,对服装企业研发、生产、配送、销售等流程起到至关重要的作用。为此,文章采用贝叶斯一元回归方法,借助贝叶斯极大似然估计的优势,并结合时间序列移动平均法构建了服装销售量预测模型。该模型首先引入客流量的概念,以此作为服装销售预测的中间转化量,采用时间序列的移动平均法构建季节因子,屏蔽季节影响因素,用以预测客流量;然后依据客流量预测值通过贝叶斯一元回归方法预测服装销售量;最后利用案例验证了贝叶斯回归服装销售量预测的有效性和准确性。     

蜂蜜颜色对近红外光谱检测模型建立的影响

实验针对影响蜂蜜近红外光谱检测模型建立的颜色因素进行了研究.通过对不同颜色蜂蜜在可见光区的吸收光谱与光密度值的比较,对蜂蜜样品的颜色进行分类;在此基础上,对不同颜色蜂蜜建立的水分、还原糖和蔗糖近红外光谱检测模型的预测效果进行了分析.结果表明,蜂蜜颜色与可见光谱存在一定的相关性.以不同颜色蜂蜜混合建立蜂蜜水分、还原糖、蔗糖含量的定标模型相关性能较高,预测相关系数和预测均方根误差均符合要求.     

基于改进报童模型的服装定价订货策略研究

以服装销售链中最优定价和计划生产量为研究目标,采用数据挖掘方法对各类不同服装进行聚类分析,对每一品类服装建立销售预测的拟合方程,建立了一个服装销售中的定价订货策略制定体系。在报童模型方面,对经典报童模型进行分析,结合定价和生产两方面因素,建立零售商的最优订货量和生产商的定价订货策略,然后利用改进的报童模型进行定价订货策略的制定,最后结合拟合方程应用到改进报童模型中,通过实例验证,所建立的体系具有较好的效果。     

服装松量设计及表征模型构建研究进展

为揭示服装松量与虚拟试衣、服装样板设计的关系,以松量分类为基础,分别从松量影响因素、研究方法及松量表征等3个层面解析服装松量设计。归纳了松量表征方法的特点,阐述了松量表征模型的最新研究进展,分析了松量在虚拟试衣和服装样板设计中的作用。研究表明:有效的松量设计应充分考虑人体着装形态、服装合体性及舒适性等因素,松量的直接表征和间接表征从不同角度体现了服装与人体间的关系;应将松量充分结合至虚拟试衣和服装样板设计,以促进虚拟服装的真实性,实现服装样板的智能化设计。研究认为松量的三维空间表征、连续动态分布和服装三维空间松量预测模型研究是未来主要探索方向。     

卷烟销量组合预测模型研究

  目的  为进一步提高卷烟月度销量预测精度,  方法  本文选择ARIMA模型、基于梯度下降算法的BP神经网络模型、基于Levenberg-Marquardt算法改进的BP神经网络模型等3种模型为单项预测模型, 并利用BP神经网络对各单项预测模型进行动态加权, 构建非线性组合模型对全国卷烟月度数据进行预测。首先, 利用各单项预测方法对卷烟历史数据进行仿真拟合, 并对2018年1~4月的销量进行预测; 其次, 构建非线性组合预测模型, 对3个单项预测模型的拟合及预测结果进行动态加权, 充分利用各个模型的优势, 获取销量数据的各方面的信息。  结果  研究表明, 相比于单项预测模型, 组合预测模型误差绝对值均小于当月的日均销售量, 预测误差更加均衡, 结果更加平稳, 适应性更强, 更符合卷烟销售的实际情况。      

基于时间序列和PERT的服装销售预测方法研究

准确、可靠的销售预测对服装企业营销计划制定、安全库存和现金流正常运转等都起到非常重要的作用。文章从服装销售的实际特点出发,通过引入PERT模型和时间序列模型,借鉴两模型的各自优势,建立一个新的综合模型,为企业克服销售预测中的操作不规范性和预测的主观性提供新的思路;并且通过实例证明了新模型的有效性。     

服装压力分布及预测的研究与进展

服装压力是评价服装舒适性的重要指标。从影响服装压力分布的因素入手,总结了目前服装压力分布及预测的主要研究方法,阐述现有服装压力研究的优缺点,指出服装性能与人体机能的有机结合、三维人体模型的完善以及人体和服装动态接触压力预测系统的建立是压力研究的发展趋势。并提出现有的服装压力预测模型由于其计算量大,离实际应用还有一段距离。如何建立有效的服装压力分布预测模型,将理论模型与实际生产有机结合起来,降低成本,提高效率是进一步研究服装压力的发展方向。     

基于销售的服装新产品市场测试模型

在面临全球化竞争及买方市场的压力下,成功的零售组织纷纷借助各种科学方法和手段对零售过程进行优化,并通过运用科学合理的市场测试来进行准确的销售预测。基于服装新产品的市场测试问题,提出一种新品测试的三步模型:1)商店聚类并获得组中心店;2)挑选测试商店;3)销售预测。并且,通过实际案例比较了该模型与服装公司现行方法的预测误差和成本,得出前者具有更优的效果。     

生鲜食品品质(货架寿命)预测模型的建立方法

在食品行业,货架期是一个十分关键的指标,它保证了流通期内食品的质量和功效。虽然目前货架期的预测方法和预测模型有很多,但是如何从众多的方法和模型中选择最合适的,仍然是一个难题。本文综述了建立货架期预测模型的方法,并介绍了生鲜食品品质预测模型的最新研究进展。要建立货架期的预测模型,首先应对研究对象进行深入了解,然后再判断该食品的货架期的主要影响因素,选择合适的监测指标,最后再采用适当的方法和模型进行预测。     

服装缝纫平整度的研究进展

为有效评价服装缝纫外观质量,对国内外服装外观评价标准以及相关研究进行了梳理,分别从织物性能与缝纫条件2个方面归纳了表征服装外观质量级别的接缝外观平整度的影响因素,探讨了缝纫平整度的主观、客观评价方法,从多因子角度综合分析缝纫工艺因素对平整度的影响。认为需提高织物物理力学性能与织物缝纫褶皱等级之间的数学模型的精度,改进基于面料物理性能指标的平整度预测模型,开展曲线接缝服装部件的平整度研究,并建立服装外观质量智能评价新模型。同时从服装生产制作角度对服装缝纫平整度的研究方向进行展望。     

基于灰色理论的服装企业销售预测模型

销售预测是服装企业的一大难题,以往的研究大部分偏重于单渠道预测,并且采用时间序列、机器学习等需要巨大数据量的方法。为了顺应服装行业销售多渠道少数据的发展趋势,文章通过对灰色预测理论的文献梳理,发现其功能强大且所需数据集小,适合企业进行多渠道销售预测。针对线上销售数据多变量及线下销售数据单变量的不同特点,选取了三个灰色预测模型(DGM(1,1),ROGM(1,1),OGM(1,N))来建立企业多渠道销售预测整合策略。通过数据实验对这三个模型的模拟预测误差进行计算和比较,证实了这三种模型在进行线上或线下模拟预测误差均小于15%,达到较高预测标准,为企业销售预测提供一定的参考价值。