【技術實現步驟摘要】
本專利技術涉及流行趨勢預測，具體是指一種產品設計元素流行趨勢的預測方法。
技術介紹
1、一種產品設計元素流行趨勢的預測方法是結合人工智能技術和數據處理技術，構建產品設計元素數據社區，分析數據，捕捉數據間的聯系，預測產品設計元素的流行趨勢。但傳統流行趨勢預測方法模型存在由于數據質量和豐富度不足導致的預測的準確性和可靠性低問題；傳統構建產品設計元素社區方法存在難以精準地反映元素之間的關系，社區劃分不符合實際情況和需求的問題；傳統參數搜索算法存在的搜索的靈活和針對性低，搜索到最優參數的概率低和速度慢的問題。
技術實現思路
1、針對上述情況，為克服現有技術的缺陷，本專利技術提供了一種產品設計元素流行趨勢的預測方法，針對傳統流行趨勢預測方法模型存在由于數據質量和豐富度不足導致的預測的準確性和可靠性低問題，本方案通過確定目標函數，設計雙曲關聯激活函數，定義了生成器和判別器的損失函數，通過交替訓練的方式讓生成器和判別器相互競爭和提升，豐富了數據集，提高了對流行趨勢預測的準確性和可靠性；針對傳統構建產品設計元素社區方法存在難以精準地反映元素之間的關系，社區劃分不符合實際情況和需求的問題，本方案通過定義關聯距離，計算強化關聯度、社區成員劃分、更新社區中心來構建設計元素社區，更精準地反映元素之間的關系，使社區劃分更符合實際情況和需求；針對傳統參數搜索算法存在的搜索的靈活和針對性低，搜索到最優參數的概率低和速度慢的問題，本方案通過設計參數搜索動態半徑、方向調整因子、區域抉擇函數和全局精細搜索函數來進行參
2、本專利技術采取的技術方案如下：一種產品設計元素流行趨勢的預測方法，該方法包括以下步驟：
3、步驟s1：數據采集；
4、步驟s2：數據預處理；
5、步驟s3：構建數據仿真模型；
6、步驟s4：構建產品設計元素社區；
7、步驟s5：優化社區參數；
8、步驟s6：預測流行趨勢。
9、進一步地，在步驟s1中，所述數據采集是采集產品設計元素的描述數據、社交媒體數據、市場統計數據、消費者調研數據和流行程度數據；所述描述數據包括產品設計元素的顏色、材質、風格、形狀和尺寸；所述設計媒體數據包括產品設計元素話題的瀏覽量、點贊、評論、分享數據；所述市場統計數據包括產品設計元素的產品銷售量、銷售額、市場份額和增長率數據；所述消費者調研數據包括消費者對設計元素的偏好、需求和意見數據；所述流行程度數據包括產品設計元素的流行強度和流行時長。
10、進一步地，在步驟s2中，所述數據預處理對數據進行檢驗，識別出錯誤、重復和缺失的數據，修改錯誤的數據，去除重復的數據，填補缺失的數據，對數據進行歸一化，統一數據的單位和范圍；
11、進一步地，在步驟s3中，所述構建數據仿真模型具體包括以下步驟：
12、步驟s31：設計模型結構，數據仿真模型由兩個模塊組成，生成器和判別器，生成器接收噪聲數據，輸出仿真數據，判別器對生成器輸出的仿真數據進行判別，輸出對仿真數據的判別結果；
13、步驟s32：確認優化目標，表示如下：
14、；
15、其中，g表示生成器，d表示判別器，表示反應生成器g和判別器d性能的目標函數，表示通過調整判別器來最大化目標函數，同時通過調整生成器的參數來最小化目標函數，<mi>e[·]</mi>表示取平均值，x表示真實數據，表示取樣符號，表示真實數據的概率分布，z表示噪聲數據，表示噪聲數據的概率分布，表示取對數，d(x)表示判別器對真實數據的判別結果，表示判別器對生成器通過噪聲數據生成的數據的判別結果；
16、步驟s33：設計雙曲關聯激活函數，表示如下：
17、；
18、其中，表示雙曲關聯激活函數，表示雙曲關聯激活函數的自變量，表示雙曲正弦函數，表示雙曲余弦函數；
19、步驟s34：構建生成器，選擇雙曲關聯激活函數作為生成器輸出層的激活函數，將輸出范圍控制在-1到1之間，表示如下：
20、；
21、其中，表示生成器輸出層的輸出，表示生成器輸出層的權重，表示生成器輸出層的輸入，表示生成器輸出層的偏置；
22、步驟s35：定義損失函數，表示如下：
23、；
24、；
25、其中，為生成器的損失值，表示判別器將生成數據判斷為假的概率的對數的負值的平均值，為判別器的損失值；
26、步驟s36：交替訓練，首先固定生成器的參數，最大化判別器的性能，然后固定判別器的參數，最小化生成器的損失，重復訓練的過程，讓生成器和判別器相互競爭和訓練；
27、步驟s37：數據豐富，利用生成器生成仿真數據，對仿真數據進行質量檢驗，最后將仿真數據添加到原始數據中，對原始數據進行數據拓展和豐富。
28、進一步地，在步驟s4中，所述構建產品設計元素社區具體包括以下步驟：
29、步驟s41：社區初始化，設置社區的數量；隨機選擇一個數據樣本作為第一個社區中心；計算數據集中的每個剩余樣本與已選社區中心之間的歐氏距離，得到距離社區中心最遠的距離值，取最遠距離值的一半；計算出距離社區中心的距離大于最遠距離值的一半的數據點和距離社區中心的距離小于最遠距離值的一半的數據點的數量，在數據點少的區域中隨機選擇下一個社區中心，重復過程，直到確定出所有的初始社區中心；
30、步驟s42：定義關聯距離，表示如下：
31、；
32、其中，m表示數據樣本，c表示社區中心，表示數據樣本和社區中心之間的關聯距離，mx表示數據樣本的橫坐標，my表示數據樣本的縱坐標，cx表示社區中心的橫坐標，cy表示社區中心的縱坐標，表示取絕對值，arc表示反函數符號，sin(·)表示正弦函數，cos(·)表示余弦函數，表示開根號；
33、步驟s43：計算強化關聯度，表示如下：
34、；
35、其中，i和j分別表示數據樣本和社區中心的索引，表示第i個數據樣本和第j個社區中心之間的強化關聯度，表示第i個數據樣本，表示第j個社區中心，v表示社區中心的數量，表示強化因子，表示第i個數據樣本和第j個社區中心之間的關聯距離；
36、步驟s44：社區成員劃分，計算出每個數據樣本與每個社區中心之間的強化關聯度，將數據樣本分配到和數據樣本強化關聯度最高的社區中心所屬的社區之中；
37、步驟s45：更新社區中心，表示如下：
38、；
39、其中，表示更新后的社區中心，n表示數據樣本的總數，表示第i個數據樣本的橫坐標；
40、步驟s46：社區形成，重復步驟s44-s45，直到社區收斂。
41、進一步地，在步驟s5中，所述優化社區參數具體包括以下步驟：
42、步驟s51：搜索初始本文檔來自技高網...
【技術保護點】
1.一種產品設計元素流行趨勢的預測方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟S3中，所述構建數據仿真模型具體包括以下步驟：
3.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟S4中，所述構建產品設計元素社區具體包括以下步驟：
4.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟S5中，所述優化社區參數具體包括以下步驟：
5.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟S1中，所述數據采集是采集產品設計元素的描述數據、社交媒體數據、市場統計數據、消費者調研數據和流行程度數據；所述描述數據包括產品設計元素的顏色、材質、風格、形狀和尺寸；所述設計媒體數據包括產品設計元素話題的瀏覽量、點贊、評論、分享數據；所述市場統計數據包括產品設計元素的產品銷售量、銷售額、市場份額和增長率數據；所述消費者調研數據包括消費者對設計元素的偏好、需求和意見數據；所述流行程度數據包括產品設計元素的流行強度
6.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟S2中，所述數據預處理對數據進行檢驗，識別出錯誤、重復和缺失的數據，修改錯誤的數據，去除重復的數據，填補缺失的數據，對數據進行歸一化，統一數據的單位和范圍；
...【技術特征摘要】
1.一種產品設計元素流行趨勢的預測方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟s3中，所述構建數據仿真模型具體包括以下步驟：
3.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟s4中，所述構建產品設計元素社區具體包括以下步驟：
4.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟s5中，所述優化社區參數具體包括以下步驟：
5.根據權利要求1所述的一種產品設計元素流行趨勢的預測方法，其特征在于：在步驟s1中，所述數據采集是采集產品設計元素的描述數據、...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。