灰色GM(1,1)模型在国际春夏女装流行色色相预测中的应用

服装流行色是影响服装企业生产、营销、效益的重要因素。针对服装流行色预测研究中存在色彩量化复杂、缺少时间序列参数与构建预测模型性能关系等问题,提出以国际春夏女装流行色为研究对象,以PANTONE色彩体系为色彩量化依据,以绝对误差平均值作为预测效果的综合评价指标,探讨了不同长度的时间序列对灰色GM(1,1)服装流行色色相预测模型性能的影响。研究结果表明,以6年时间序列建立的灰色GM(1,1)模型对服装流行色色相预测的整体精度高,其绝对误差平均值之和仅为1.9%。     

评述服装流行色预测

对现代服装流行色预测的方法及近年来流行色预测研究中的思想作了整体的分析,讨论了定量预测和定性预测的优缺点,分析了流行色作为复杂系统的组合预测,以及解决定性和定量相结合的综合集成方法,并探讨了流行色预测方法的新发展。     

浅析流行色的预测方法

准确的流行色预测信息，可以帮助企业抓住流行动向，为企业创造最大的经济效益。作者分析了直觉、情报、FPV等方法的不足之处，论述只有采用组合预测法，使定性与定量结合，才能提高预测的精确度。     

基于灰色系统论的服装流行色预测研究

将流行色背景数据作为重要的量化点,利用色度学相关知识和物理测试手段对色彩进行量化，提出将灰色数列预测引入到流行色预测中，对定量分析做出新探索，以达到辅助预测的目的。     

服装流行色的提取预测及其对精神内耗的解压浅析

分析服装流行色的提取与预测，从当代社会普遍的心理健康问题精神内耗现象出发，分析服装流行色对精神内耗现象的解压方法结合。     

简析服装流行色视觉评价指标体系构建的可行性

服装流行色视觉评价指标体系在流行色研究中具有重要的意义和价值。本文就服装流行色视觉评价指标体系构建的可行性进行了分析,认为服装流行色视觉形式变化的多样性是构建的基础,服装流行色预测的有效工作和成果是构建的保障。     

采用多蜂群协同演化算法的服装流行色预测

针对现有服装流行色定量预测方法存在的精度缺陷,借鉴了复杂适应系统理论和生物学协同进化思想,提出一种基于层次协同演化机制的多蜂群协同优化算法。将该算法应用于人工神经网络权值配置问题上,通过拟合曲线进行测试。结果表明该算法可提升神经网络模拟目标问题的精度。使用 PANTONE 发布的2007−2016 年的国际春夏女装流行色定案,建立了春夏女装流行色色相的预测模型;对该模型中改进的神经网络进行训练,分析不同隐含层节点个数对色相预测精度的影响;预测2017 年女装流行色色相,并将预测结果与PANTONE 官方发布结果进行对比。结果表明该方法与其他方法相比提高了预测结果的精准度。     

服装流行色的季节差异及关联性研究

为揭示服装流行色的季节差异及其变化规律,以2012-2019年中国服装流行色定案为研究对象,依据中国色彩标准体系(CNCS)对色彩进行量化,采用统计分析与灰色关联分析,探究季节服装流行色的波动规律与色彩特征。结果表明:服装流行色呈现一定的季节差异,不同色彩存在不同的季节模式,即春夏以高明度、高纯度和暖色系为主,秋冬则会增大低/中明度、低/中纯度和冷色系色彩的使用比例;秋冬服装流行色会受到春夏流行色的影响,但不同色彩的关联度存在差异;秋冬服装流行色的波动较大,春夏服装流行色的波动则比较平缓。     

应用数字量化的毛衫流行色趋势预测方法

通过预测模型算法设计、预测模型方法分析,建立数字量化流程,并针对权威Spin Expo发布的纱线流行色色卡作为预测数据的信息源作为样本,以纱线流行色中的红色系为例,通过数字量化中HSB色彩系统量化以及纱线流行色色卡量化在流行色趋势中的应用,构建毛衫流行色色相、明度和饱和度的预测模型。实验结果表明,应用数字量化模型进行毛衫流行色趋势的方法具有预测的精准性与有效性。     

基于BP神经网络的国际服装流行色短期预测

研究以国际权威色彩机构发布的连续6年春夏女装服装流行色量化数据为研究对象,应用BP神经网络逼近任意非线性函数的能力和特点,构建色彩趋势的短期预测模型。研究在传统BP神经网络的基础上引入动量因子,通过设计网络参数、训练样本对模型进行训练与仿真,探讨模型在流行色预测中的性能。研究结果显示:应用引入动量因子的BP神经网络的收敛速度、预测获得误差的标准差小于0.06,预测效果好,能够用于流行色的短期预测。     

基于要素匹配的连衣裙成本快速核算方法

为提高企业对服装成本的快速核算能力,就服装成本计算和相似度匹配的方法进行了研究.首先以连衣裙要素提取和量化为基础,计算同一要素之间的相似度;然后基于加权欧式距离计算样本相似度,取相似度最大的样本成本值做为待估样本成本的参考值,实现成本的快速核算.同时设置了欧氏距离计算和BP神经网络2组对照实验.结果表明:使用加权欧氏距...     

Applying gray model to predicting trend of textile fashion colors

In this study, a GM(1,1) model is applied to forecast the trend of textile fashion colors. Through the historical time series data of the color suggestion ratios by international forecasting facilities in the past, the GM(1,1) model is applied to forecast the fashion color trend. Besides the GM(1,1) model, a gray neural network model (i.e. GNNM(1,1)) is developed to compare the precision with it as well. The simulated results show that the GM(1,1) model has higher forecast precision than the GNNM(1,1) one. The predicted results of the color trend using the GNNM(1,1) model are less close to the real circumstances than as expected. With the assistance of a gray model-based prediction model, the fashion color trend can be traced more precisely and easily.     

基于统计的女装色彩搭配研究方法

服装色彩搭配在服装销售和实际生活中的应用越来越广泛。调查现有的色彩调和规则,选择415张2009～2011年国际时装发布会的女装图片作为研究对象,使用计算机软件提取所有研究对象的上下装颜色值,并对这些颜色值进行了统计和分析,得到近两年国际时装发布会上的女装色彩搭配规则。     

浅议拼接设计在服装设计中的应用

随着经济的发展和人民生活水平的提高,现有服装越来越不能满足人们的穿衣需求了,人们对服装的款式,面料和色彩的运用提出了新的要求.设计师采用一种新的设计思维即拼接设计,在现有服装面料的基础上做了大胆的改进,拼接设计作为一种新的服装构成表现手法在服装设计中的应用正好满足了人们对现有服装改进的需求.通过对色彩(同类色、邻近色和对比色)拼接,面料(针织面料、梭织面料、毛皮)拼接和款式(可分离式和不可分离式)拼接等不同的拼接方法在服装设计中的应用举例,分析了不同的拼接方式所表现出来的不同的穿衣风格.     

华服设计中的中国传统寓意与现代元素

华服是中华民族文化的服饰符号。为促进华服设计的创新和研究,从纹样、造型、面料、裁剪、装饰及色彩方面分析了华服设计中的传统寓意与现代元素。主要表现在传统纹样与现代造型彰显的东方内敛与西方热情,丝织品与立体裁剪工艺造就的“意”和“形”,传统艺术与奢侈的现代装饰元素表现的民族性和时尚性,传统色彩与时尚流行色彩体现的绚丽色彩。指出华服设计师应恰当地处理传统与现代2个概念的关系,以展现华服的民族精神和现代韵味。     

基于网络关系模型的品牌女装配色解析

针对当前服饰用色规律及其内在机制解析模糊的问题,提出了利用图像处理技术构建服饰配色关系及其内在联系的网络关系模型。对服饰系列图像色彩进行初始聚类及二次聚类,提取主色及其用色比例关系;提取色彩占比、二元色组共现频率、色彩空间距离等指标构建主色网络关系模型;对选取的3个代表性品牌女装的500幅图像,利用所开发的色彩解析软件,从主色分布、配色关系、配色机制方面进行了比对和分析,以可视化形式呈现品牌女装年度、时尚季用色规律。实验结果表明,3个女装品牌主色、空间距离和共现规律不尽相同,前3种颜色累计占比均超出50%,单幅样本耗时小于0.3 s;该方法能够以客观、可视化的方式表征服饰用色机制,用以辅助服装企划和设计决策。     

古典主义服装设计风格的现代设计应用思考

从西方古典主义服装设计风格入手,利用其服装整体造型和细节表现复古和回归思潮,以西方古典主义服装设计风格作元素进行现代服装设计思维拓展的新途径。     

定量包装商品生产企业计量工作的现状分析

本文对我国定量包装商品生产企业计量工作的现状进行分析,结合《定量包装商品计量监督管理办法》的要求,对定量包装商品生产企业的计量工作提出建议。     

采用基因库构建的季节性服装需求预测

季节性新款服装的历史销售数据少、生命周期短,利用数据序列的趋势信息进行预测方法不合适。鉴于服装企业的POS数据中包含许多特征信息,本文利用层次聚类与动态时间弯曲距离从POS数据中进行特征信息抽取,以构建服装销售基因库。并提出基于基因库进行季节性服装需求预测的方法,根据新款服装信息、销售信息计算其与基因库中基因的相似度,根据相似度查找相似基因,并利用相似基因的信息来预测新款服装的需求。该方法为服装企业如何利用POS数据进行定量预测以构建快速响应系统提供解决方案。最后,以某知名服装2011年POS数据抽取了基因库,并对2012年3月1日到2012年7月31日的新款SKU进行预测,结果表明该预测方法的有效性。