排序方式： 共有1条查询结果，搜索用时 3 毫秒
1
1.
为提高头面部产品适配性,文章运用马丁测量仪等对189名18～26岁女大学生进行头面部测量,通过主成分分析(PCA)提取了影响头面部形态的7个特征因子,采用K-means聚类方法得出5种头面部形态分类,利用指数分型法把头面部进行量化分型,并提出基于多层感知器(MLP)神经网络头面部号型预测模型,提高由于头面部尺寸过于繁杂在进行号型分类或选择时参考依据过多而产生的生产工作效率低等问题。结果表明：头面部号型可细分为XS型/形态指数>93、S型/形态指数∈(88,93]、M型/形态指数∈(84,88]、L型/形态指数∈(79,84]、XL型/形态指数≤79,其中M型分布最广,号型覆盖率较好,可作为中间号型;并通过MLP神经网络实现通过少量头面部特征尺寸精准预测其号型分类,生成的模型预测结果正确率达到93.42%,研究结果可为头面部产品的设计和生产提供参考。 相似文献
1