神经网络在女子服装号型分类中的应用

为提高服装号型的分类效率,运用神经网络对上海地区成年女子衬衫量体数据进行了号型分类研究.对750名女性量体,参考国家标准GB/T 1335.2—2008《服装号型女子》[1]和企业生产经验,以身高、胸围、腰围、领围、肩宽、袖长为变量,运用K-means聚类建立了29个规格的训练样本.建立并训练BP神经网络,以混淆矩阵反映的正确率为指标,考察了网络结构、训练算法及传递函数对网络性能的影响.研究表明,弹性梯度下降算法分类正确率最高,分类效果随隐层神经元数量的增加而提高,隐层和输出层传递函数均为logsig时,分类正确率最高.