基于BP神经网络的手部尺寸预测模型构建

针对手部尺寸测量项目多、繁杂的问题,文章提出构建基于数据驱动的数学模型来预测手部尺寸的方法。通过三维扫描仪采集232名在校女大学生手部三维点云数据,构建辅助点、线、面标准化测量方法,获取人33项特征部位尺寸,运用主成分分析得到影响手部形态的5个因子,采用相关指数最大值法获取手长、手宽、中指长、食指近位指关节围、无名指到腕中心距离5个典型指标,分别构建了BP神经网络、多元线性回归手部尺寸预测模型。结果表明:BP神经网络预测模型的MAE较低,相关性系数R 2接近于1.000,25项手部尺寸的Sig.值大于0.050,预测效果良好,稳定性较高。研究结果可为通过少量易测量的手部尺寸预测其他手部尺寸提供参考。