基于改进WOA-ENN-MC模型的人体围度尺寸预测

为实现非接触式人体尺寸自动测量,通过二维人体照片中提取的二维尺寸信息来预测人体的围度信息。提出一种基于改进WOA-ENN-MC的人体围度尺寸预测模型。通过优化收敛因子、联合最优惯性权值和阿基米德螺旋更新策略优化鲸鱼算法以获得更优的寻优广度和精度,将IWOA输出的最优值作为Elman神经网络(ENN)的初始权值阈值训练,避免了传统模型在迭代后期陷入局部最优的同时缩减了网络训练的收敛时间。采用马尔可夫残差模型(MC)对IWOA-ENN模型的预测值进行优化,进一步提高模型的预测精度。对CAESAR数据集中270组样本的实测值与预测数据进行对比分析,结果表明:IWOA-ENN-MC相对于GA-ENN、PSO-ENN和WOA-ENN模型在寻优能力方面有着更明显的优势,并且模型的拟合和预测精度效果更好。