基于年龄细分的女装人台规格体系

采用[TC]2三维人体扫描仪和马丁测量仪采集了华东地区644位18~55岁女性的人体数据.通过主成分分析获得围度因子、高度因子、臀宽和背长因子、肩部因子等4个主成分因子;由研究得知人体围度因子和经后颈点肩宽随着年龄的增加呈递增趋势.通过两步聚类分析方法和市场细分理论将年龄段划分为20S、30S、40S、50S;采用胸腰差作为体型划分标准,运用K-means聚类方法将体型划分为B、AB、A、Y共4类;确定了基本部位胸围、身高和11个控制部位描述不同体型特征,最后通过计算中间值、分档数,建立起基于年龄细分的人台规格体系.     

体表角度对女装原型省道大小分布的研究

以青年女性体表形态为研究对象,利用逆向工程软件Imageware12.0计算体表的各个角度值,并用统计软件分析各个体表角度之间和体表角度与省角的关系,得到省角的计算公式和在原型上的分布,最后将体表各种特征参数转化为服装结构参数.本研究的目的是建立体表角度和原型省道角度、原型轮廓角度之间的关系,从而为利用体表角度加入人体尺寸数据为原型设计方法提供支撑,为获得合体的女装原型设计方法奠定基础.     

基于SVM的青年女子体型分类研究

采用美国[TC]2公司的三维人体测量仪测得的江浙青年女性的人体数据,然后根据身体4个部位的形态特征,将人体数据细分为各种女性人体体型.在分类过程中,通过引入支持向量机(SVM)方法,提出了基于SVM的青年女子体型分类模型.结果表明,SVM方法的分类时间短,分类精度高,是一种有效的识别分类方法.     

基于体表特征点的青年女性上半身形态特征细分

为了获得描述青年女性上半身体表形态差异的三维形态特征(宽度、厚度和高度)细分,基于12个上半身体表特征点,以华中地区116名在校女大学生为对象采集了共计30项二维形态特征及体表测量数据.基于二维形态特征变量间的关系,提取了厚度、高度、腰部形态和肩部宽度等4个上半身形态特征因子;进而,将从以上因子中筛选的8个变量归纳为5个表征上半身三维形态特征的典型指标并进行样本聚类;最后,根据同维度交叉复合指标的样本覆盖率,验证了上半身各维度形态差异化描述的合理性,为构建差异化上半身形态特征数据库提供关键特征参数.     

基于SVM的青年女子体型分类研究

采用美国[TC]^2公司的三维人体测量仪测得的江浙青年女性的人体数据,然后根据身体4个部位的形态特征,将人体数据细分为各种女性人体体型。在分类过程中,通过引入支持向量机（SVM）方法,提出了基于SVM的青年女子体型分类模型。结果表明,SVM方法的分类时间短,分类精度高,是一种有效的识别分类方法。     

模糊模式识别及其在人体体型研究中的应用

最大隶属原则和择近原则是模糊模式识别的两种基本方法,但是,根据识别对象的不同特点,也可用其它的模糊数学方法作归类判别.通过对人体形态特征的分析,我们选取了九项形态指数作为人体体型的特征量,建立了一个“健美体型”的线性加权和的模糊数学模型,并定义了相应的隶属函数.经用在校大学生的测试资料检验表明,此模型较其它判别体型的方法全面,实际可行.     

青年女性侧面上肢形态特征细分

为了获得上肢形态特征指标细分及其特征复合类型,以100名19～22岁华中地区青年女性为对象共采集36项上肢照片测量和体表测量数据.基于上肢形态特征变量间的关系,提取了上臂围度、上肢高度、上肢倾角和臂根高度4个特征因子,累计贡献率为81.952％.其中,上臂围度和上肢高度特征受号型尺寸(上半身围度和身高)的影响较大,为袖结构档差因素;上肢倾角和臂根高度特征反映了与个性化袖结构尺寸密切关联的上肢局部形态特征,为个体差异因素.将两因素中4个典型指标各细分为3类,经细分指标交叉组合分别获得32个档差变异类型和形态变异类型,进而获得34类上肢形态复合类型,实现了上肢形态特征全面描述.     

基于图像处理的小麦品种分类研究

籽粒的外观特征是区别不同小麦品种的重要标志,对小麦的选育工作具有重要的参考价值.首先采用中值滤波和迭代式阈值法对采集到的4类小麦共468粒样本图像进行处理和分割;然后针对每类小麦,提取了其6个颜色特征、5个形态特征和5个纹理特征等共16个参数;最后通过构建神经网络比较了仅使用颜色和形态特征作为网络输入以及3类特征共同作用时的分类效果.试验结果表明:仅使用颜色、形态两方面的11个特征参数时,小麦样本的识别率为87.6%;当增加5个纹理特征时,样本的识别准确率达到93.13%,可有效识别出4类小麦样本.     

基于因子分析和分层聚类的成年女性体型特征识别

在采用三维人体扫描技术精确、快速地采集到人体全身数据后,对所获得的数据进行探索性分析、配对样本t检验等预处理,再用因子分析和层次聚类分析相结合的数据挖掘方式提取颈椎点高、总肩宽、胸围这3个识别人体体型特征的变量,并用其进行K-means人体体型聚类分析。研究结果表明,所提出的方法既可以作为实体商店或网购服装的参考标准,也可以用于了解某地区的人体体型特征,进而改良服装结构设计。     

基于年龄差异的女装号型细分

根据服装市场按年龄细分的现状,将年龄因素引入到女装号型标准的细分设置中,运用非接触式三维人体测量仪采集379个26～55岁成年女性的人体数据样本.通过主成分分析和相关分析,提取与年龄关系最为密切的体型特征指标,对不同年龄层的成年女性体型进行对比,量化因年龄不同而产生的体型差异,并在此基础上给出女装号型按年龄段的细分设置.