APP下载

基于数据挖掘的服装流行色预测

2018-01-31江莎莉

现代电子技术 2018年3期
关键词:预测模型流行色服装设计

江莎莉

摘 要: 针对传统服装流行色预测模型精度低、结果不可靠的问题,设计了一种基于数据挖掘的服装流行色预测模型。首先对当前国内外对服装流行色预测现状进行分析,并采集服装流行色数据;然后对服装流行色数据进行聚类处理,并采用数据挖掘技术建立服装流行色预测模型;最后将该模型应用于具體的服装流行色预测中。该模型可以很好地发现服装流行色的变化趋势,预测结果可靠,可以为服装企业和服装设计师提供有价值的参考信息。

关键词: 服装设计; 流行色; 数据挖掘; 预测模型; 预测误差; 聚类处理

中图分类号: TN911.1?34; TP181 文献标识码: A 文章编号: 1004?373X(2018)03?0092?04

Abstract: In view of the low accuracy and unreliable result of the traditional clothing fashion color forecast model, a clothing fashion color prediction model based on data mining was designed. The current status of the clothing fashion color prediction at home and abroad is analyzed, and the clothing fashion color data is acquired. The clustering was performed for the clothing fashion color data, and the data mining technology is adopted to establish the clothing fashion color prediction model. The model was applied to the specific clothing fashion color prediction. The model can find out the change trend of clothing fashion color, and has reliable prediction result, which can provide the valuable reference information for clothing enterprises and fashion designers.

Keywords: clothing design; fashion color; data mining; prediction model; prediction error; clustering

0 引 言

随着我国经济的快速发展,人们生活水平得到大幅度改善,人们更加喜欢时尚朝流的服装,而流行色是服装中人们最为关注的一个方面,同时,服装流行色直接影响服装企业的生产和营销,预测结果可以帮助企业把握服装流行色未来的变化态势,因此,如何建立高精度、客观的服装流行色预测模型已经是服装行业的重大研究课题[1?2]。

最原始的服装流行色预测模型是通过一些专业人员根据自己的经验进行预测,该方法得到的预测结果与专业人员经验的丰富度密切相关,预测结果极不可信,而且预测结果盲目性十分严重[3]。随着计算机技术的不断发展,出现了许多自动、智能的服装流行色预测模型,如采用统计学理论中的回归分析模型法建立服装流行色预测模型,由于服装流行色受到人们心理因素的影响,而且心理具有一定的波动性,因此,服装流行色变化具有偶然性、周期性,回归分析模型难以对它们建立准确的预测模型,预测结果不理想[4]。随后出现了灰色系统、神经网络等服装流行色预测模型[5?6],它们的预测结果得到了改善。在实际应用中,灰色系统只能对服装流行色的单一变化趋势进行预测,如上升趋势,但是服装流行色有时可能会出现下降趋势,并且受到不同年龄段影响,波动起伏比较大,因此建模的局限性十分明显[7]。

神经网络的建模能力相当强大,是当前服装流行色主要的建模方法,但是需要大量的服装流行色历史样本,不然无法对服装流行色的变化特点进行高精度建模,而服装流行色的历史数据通常相当少,各因素之间相互影响,因此,神经网络的服装流行色预测结果不稳定,有时预测精度高,有时预测精度低,实际应用价值不高[8?10]。

数据挖掘技术是最近发展起来的现代统计学建模方法,包括聚类分析、不同类型支持向量机等[11],为服装流行色的建模提供了一种方法。针对传统服装流行色预测模型精度低、结果不可靠的问题,设计了一种基于数据挖掘的服装流行色预测模型,首先采集服装流行色数据;然后对服装流行色数据进行处理,并采用数据挖掘技术建立服装流行色预测模型,最后将该模型应用于具体的服装流行色预测中,测试其有效性。

1 数据挖掘技术

1.1 模糊聚类分类算法

模糊C均值聚类算法是一种常用的数据挖掘技术,它可以将数据划分为不同的类别,这样可以将其应用到服装流行色的建模中,根据预测点选择最优的服装流行色训练样本集。对于个样本:xi(i=1,2,…,n),它们可以分为c类,通过计算每一类的聚类中心,然后根据相似性指标即隶属度,得到不同类中的样本。全部样本的隶属度总和为1,即:

那么模糊聚类分析算法的目标函数计算公式为:

式中:表示第类的聚类中心;表示第类和第类的聚类中心间的距离;表示加权指数。

根据模糊聚类分析的思想,可建立如下新目标函数:

式中表示拉格朗日乘子。

对全部参量求导,可以得到:

式(4)和式(5)是模糊聚类算法的两个必要条件,通过不断的迭代,得到最优的聚类中心,实现样本的分类,可以减少样本的规模。endprint

1.2 支持向量机

支持向量机也是一种新型的数据挖掘技术,服装流行色的数据为:(),那么支持向量机的估计函数为:

式中和表示相关向量。

为了简化服装流行色预测的过程,加快训练速度,建立如下的优化函数:

式中:表示松弛因子;表示回归误差的惩罚程度。

通过建立如下拉格朗日函数得到一个二次优化问题:

2 数据挖掘的服装流行色预测模型

2.1 服装流行色数据的收集以及处理

针对具体服装流行色问题,通过相关统计文献收集其历史数据,由于服装流行色受到许多因素作用,其会对服装流行色建模过程产生负面影响,为了消除该负面影响,对服装流行色数据进行如下归一化处理:

式中为处理后的服装流行色数据。

2.2 服装流行色样本的聚类分析

由于服装流行色的预测样本与其他样本之间存在一定的关系,与有的样本关系密切,与有的样本关系不密切,如果将全部历史样本输入到支持向量机进行建模,不仅难以获得高精度的服装流行色预测模型,而且影响服装流行色的建模效率,为此,本文采用模糊聚类分析算法对处理后的服装流行色数据进行聚类,选与预测点关系比较密切的样本构建训练样本,删除其他作用不大的样本,减少训练样本的规模。

2.3 服装流行色的预测模型

将服装流行色的训练集输入到支持向量机建模,得到的预测模型为:

对于未来时刻的服装流行色,其预测值为:

2.4 服装流行色的反归一化

由于服装流行色经过了归一化处理,因此,最后的服装流行色预测结果需要进行反归一化操作,具体为:

2.5 服装流行色预测模型的工作流程

基于数据挖掘的服装流行色预测模型的工作思想为:首先收集服装流行色历史数据,然后采用糊模聚类分析选择与预测点相近的数据构成训练样本集,最后采用支持向量机服装流行色训练样本进行学习,建立服装流行色预测模型,具体如图1所示。

3 服装流行色的预测实例

3.1 数据来源

为了测试基于数据挖掘的服装流行色预测模型的性能,选择1997—2016年的服装流行色中的红色、蓝色、紫色数据作为研究对象,它们具体如图2所示。

3.2 数据挖掘的服装流行色预测结果

采用上述服装流行色预测的建模过程,对图2中的数据建立服装流行色预测模型,并采用20个数据对模型的性能进行分析,结果如图3所示。

对图3的预测结果进行分析可以发现,数据挖掘技术通过模糊聚类分析算法对服装流行色数据进行聚类,可以找到与预测点密切相关的训练样本集,通过支持向量机对服装流行色的变化特点进行拟合,建立高精度的服装流行色预测模型。

3.3 与其他服装流行色预测模型的性能对比

为了全面分析基于数据挖掘的服装流行色预测模型的优越性,选择当前比较经典的模型作为对比模型,分别为:回归分析模型、灰色模型、文献[10]的神经网络以及文献[11]中的服装流行色预测模型。以平均预测精度作为评价指标,每一种模型执行10次,各种模型的服装流行色平均预测精度如表1所示。

从表1的服装流行色平均预测精度可以发现,本文模型的服装流行色平均预测精度要远远高于其他服装流行色平均预测模型,可以更好地发现服装流行色的变化趋势,预测结果的优势十分明显。

3.4 未来服装流行色预测

选择常用的7种服装颜色作为预测对象,采用数据挖掘技术对它们进行建模与预测,结果如图4所示,对图4的各种预测值进行对比分析可知,红色、蓝色作为2017年的服装流行色,预测结果可以为服装设计师和服务企业提供有用的信息。

4 结 语

服装流行色的预测结果可以帮助服装企业和设计师掌握未来流行色的相关信息,为了客观、准确地对服装流行色进行预测,结合服装流行色的变化特点,设计了基于数据挖掘的服装流行色预测模型。研究结果表明,该模型可以大幅度降低服装流行色的预测误差,能够把握服务流行色的变化趋势,可以对服装流行色的不确定性进行准确拟合,预测结果可以为服装销售、生产提供有用的信息,为复杂多变的服装流行色提供了一种研究思路。

参考文献

[1] 刘国联,江影.基于穿着者感性认知的服装款式感性研究[J].纺织学报,2007,28(11):101?105.

LIU Guolian, JIANG Ying. Study on Kansei of fashion style based on human sensibility [J]. Journal of textile research, 2007, 28(11): 101?105.

[2] 张战天.流行色在服装设计中的应用[J].艺术科技,2014(6):128.

ZHANG Zhantian. The application of fashion color in fashion design [J]. Art science and technology, 2014(6): 128.

[3] 杨陈.服饰流行色影响因素研究分析[J].染整技术,2017,39(1):78?50.

YANG Chen. Analysis of influencing factors of fashion color [J]. Textile dyeing and finishing journal, 2017, 39(1): 78?50.

[4] 周琴.用回归分析法预测服装流行色[J].丝绸,2005(2):35?37.

ZHOU Qin. Prediction of fashion colors by regression analysis [J]. Silk journal, 2005(2): 35?37.endprint

[5] 吴志明,李熠.服装流行色的色彩意向灰色预测[J].纺织学报,2009,30(4):94?99.

WU Zhiming, LI Yi. Clothing fashion color image scale grey forecast [J]. Journal of textile research, 2009, 30(4): 94?99.

[6] 李熠,吴志明.基于灰色系统论的服装流行色预测研究[J].纺织科技进展,2007(4):77?80.

LI Yi, WU Zhiming. Clothing popular colors forecast studies based on gray system theory [J]. Progress in textile science & technology, 2007(4): 77?80.

[7] 常丽霞,高卫东,潘如如,等.灰色GM(1,1)模型在国际春夏服装流行色色相预测中的应用[J].纺织学报,2015,36(4):128?133.

CHANG Lixia, GAO Weidong, PAN Ruru, et al. Hue prediction on Intercolor for women′s spring/summer using GM(1, 1) models [J]. Journal of textile research, 2015, 36(4): 128?133.

[8] 吴艳,洪文进,史雅杰.应用数字量化的毛衫流行色趋势预测方法[J].毛纺科技,2016,44(12):62?66.

WU Yan, HONG Wenjin, SHI Yajie. Study on knitwear trend forecast based on popular elements of digital quantitative [J]. Wool textile journal, 2016, 44(12): 62?66.

[9] 狄宏静,刘冬云,吴志明.基于 BP 神经网络的春夏女装流行色预测[J].纺织学报,2011,32(7):111?117.

DI Hongjing, LIU Dongyun, WU Zhiming. Forecast of women′s spring/summer fashion color based on BP neural networks [J]. Journal of textile research, 2011, 32(7): 111?117.

[10] 吴也哲,翟永超,孙莉.基于灰色前馈神经网络的流行色预测[J].东华大学学报(自然科学版),2011,37(2):199?204.

WU Yezhe, ZHAI Yongchao, SUN Li. A fashion color forecast based on gray back propagation neural network model [J]. Journal of Donghua University (natural science), 2011, 37(2): 199?204.

[11] 孙文林,沈捷.基于FRS?SVM的工业数据挖掘研究[J].计算机应用与化学,2014,31(8):951?954.

SUN Wenlin, SHEN Jie. Research of the industrial data mining based on FRS?SVM [J]. Computers and applied chemistry, 2014, 31(8): 951?954.endprint

猜你喜欢

预测模型流行色服装设计
几何思维在服装设计上的应用
2020年关键流行色组——自然畅游
当代绿色生态服装设计的反思探索
《流行色》杂志报道
基于神经网络的北京市房价预测研究
中国石化J分公司油气开发投资分析与预测模型研究
基于服装设计工作室的实践教学改革
基于IOWHA法的物流需求组合改善与预测模型构建
基于预测模型加扰动控制的最大功率点跟踪研究
服装设计