【技術實現步驟摘要】
本申請涉及胸罩推薦領域，尤其涉及一種基于lstm神經網絡的女性胸罩推薦方法及系統。
技術介紹
1、隨著信息技術的發展，通過輸入人體尺寸，進行各種個性化信息推薦的技術逐漸進入人們的日常生活。例如，許多服裝企業開發了面向群體的批量定制和面向個體的量身定做的推薦系統，各大電商平臺也陸續開始為消費者提供服裝號型匹配的服務，然而，在服裝網購極高銷售量的背后，存在著相當高的退貨率，而大部分原因都是由于不合身導致的，其中，胸罩的不合體問題對大多數女性造成了困擾，對于處在青年發育階段的女性穿著不合體胸罩所造成的不良影響尤為突出，但是總體而言，目前的基于人體尺寸進行信息推薦的技術依然存在很多技術問題需要解決。例如，沒有全面的用戶身體特征提取分析工具，沒有建立合適的胸型分類標準，沒有專業的結合用戶身體特征推薦合適信息的配置管理系統，人體特征與推薦信息的結合依賴于人工經驗等等。
2、綜上所述，現有的胸罩推薦系統存在刻畫的部位比較單一、測量的人體特征不夠全面、圖像輸出的測量值可靠性不高或者算法的局限性等技術問題。
技術實現思路
1、本專利技術的目的在于：為了現有的胸罩推薦系統存在刻畫的部位比較單一、測量的人體特征不夠全面、圖像輸出的測量值可靠性不高或者算法的局限性等技術問題，提供一種基于lstm神經網絡的女性胸罩推薦方法及系統。
2、本申請的上述目的是通過以下技術方案得以實現的：
3、s1：獲取女性人體數據；通過女性人體數據，構建數據集；
4、s2：對數據集
5、s3：對預處理后的數據集，進行相關性分析和因子分析，確定影響女性胸部形態的主要特征指標；
6、s4：對數據集中主要特征指標對應的數據，進行聚類分析，得到胸型識別結果；
7、s5：基于lstm算法，建立胸部類型判別模型；通過胸型識別結果以及數據集，對胸部類型判別模型進行訓練；
8、s6：測量各個胸型的受試者穿著不同胸衣款式的壓力值，構建胸罩匹配模型；胸衣款式包括：全罩杯款、四分之三罩杯款、二分之一罩杯款、三角杯款、背心款、抹胸款；
9、s7：獲取待測用戶的胸部測量項目數據以及穿衣喜好信息；通過胸部類型判別模型，確定待測用戶的胸型；穿衣喜好信息包括：寬松無壓迫和緊貼有支撐；通過胸罩匹配模型，結合待測用戶的胸型、穿衣喜好信息以及胸部測量項目數據，輸出胸衣款式和胸衣尺寸的推薦結果。
10、可選的，步驟s1包括：
11、所述女性人體數據包括：三維人體尺寸掃描數據以及三維人體尺寸測量數據；
12、s11：利用human?solution三維人體掃描儀對女性進行三維掃描，得到三維人體尺寸掃描數據；
13、s12：根據人體工學，人工標定女性的特征點和特征線，進行三維人體尺寸測量，得到三維人體尺寸測量數據；
14、s13：根據三維人體尺寸掃描數據以及三維人體尺寸測量數據，構建數據集。
15、可選的，步驟s2包括：
16、s21：采用spss軟件中的箱線圖，剔除數據集中的異常值和缺失值；
17、s22：對數據集中樣本的分布類型進行正態性檢驗。
18、可選的，步驟s3包括：
19、s31：對數據集中的胸部測量項目進行相關性分析，得到胸型分類的11個測量項目；11個測量項目包括：胸圍、胸寬、下胸圍、胸凸角、胸厚、胸點間距、前頸點至胸點距、下乳杯弧長、外乳杯弧長、乳根圍、乳橫寬；
20、s32：利用kmo檢驗和bartlett檢驗對11個測量項目的樣本數據進行驗證；
21、s33：將11個測量項目的樣本數據進行因子分析，確定最終影響女性胸部形態的主要特征指標；主要特征指標包括：胸圍、下胸圍、乳橫寬、胸凸角、下乳杯弧長、乳根圍、以及前頸點至胸點距。
22、可選的，步驟s4包括：
23、s41：利用聚類分析中的k-means?方法對數據集中主要特征指標對應的數據進行快速聚類，得到聚類分析結果；
24、s42：通過聚類分析結果，對胸型聚類中心的樣本進行側面形狀描述；所述側面形狀描述包括：乳房豐滿程度以及乳房挺拔程度；
25、s43：通過側面形狀描述的結果，得到胸型識別結果。
26、可選的，步驟s5包括：
27、s51：通過數據集以及胸型識別結果，構建胸型分類數據集；
28、s52：利用小批次優化算法，結合胸型分類數據集，訓練胸部類型判別模型。
29、可選的，步驟s6包括：
30、s61：測量各個胸型的受試者穿著不同胸衣款式的壓力值；利用氣囊式接觸壓力測試儀，對各個胸型的受試者胸部的a點、b點、c點、d點、e點、f點進行壓力測試，得到各點的壓力測試結果；
31、s62：通過壓力測試結果，確定各類胸型的最優胸衣款式排序表，構建胸罩匹配模型。
32、一種基于lstm神經網絡的女性胸罩推薦系統，所述系統包括：
33、信息錄入模塊，用于錄入待測用戶的胸部測量項目數據和穿衣喜好信息；
34、胸部測量項目數據包括：下胸圍、胸圍、下乳杯弧長、乳根圍、前頸點至胸點距、乳橫寬；
35、穿衣喜好信息包括：寬松無壓迫和緊貼有支撐；
36、胸型識別模塊，用于構建胸型判別模型；
37、胸型識別模塊還用于通過胸型判別模型，讀取胸部測量項目數據，輸出待測用戶的胸型；
38、胸型最優款式推薦模塊，用于構建胸罩匹配模型；
39、胸型最優款式推薦模塊還用于通過胸罩匹配模型，結合待測用戶的胸型、穿衣喜好信息以及胸部測量項目數據，輸出胸衣款式和胸衣尺寸的推薦結果。
40、一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有指令，當所述指令被執行時，執行一種基于lstm神經網絡的女性胸罩推薦方法。
41、本申請提供的技術方案帶來的有益效果是：
42、通過獲取女性人體數據，建立數據集，進行數據預處理；根據相關性分析和因子分析結果，確定影響女性胸部形態的7個特征指標，根據k-means聚類結果和因子提取結果，得到6種胸型；基于lstm算法，根據測量數據，將樣本識別成六類胸型之一，建立胸部類型判別模型；根據壓力測試結果，確定各胸型最優胸衣款式；構建胸罩匹配模型；獲取用戶胸部尺寸和穿衣喜好信息并輸入推薦系統，輸出附有推薦尺寸、推薦款式、參考圖片的推薦結果；所述內衣推薦結果由用戶輸入尺寸信息與穿衣喜好后系統自動計算生成，且點擊“獲取”即可查看，用戶可根據所述推薦結果的推薦款式和推薦尺寸，輸入對應詞條至網購軟件中，再依據參考圖片，準確找到相應的文胸款式，實現簡單便捷高精度推薦，滿足了女性對穿著合體內衣的迫切需求。
本文檔來自技高網...【技術保護點】
1.一種基于LSTM神經網絡的女性胸罩推薦方法，其特征在于，方法包括以下步驟：
2.如權利要求1所述的一種基于LSTM神經網絡的女性胸罩推薦方法，其特征在于，步驟S1包括：
3.如權利要求1所述的一種基于LSTM神經網絡的女性胸罩推薦方法，其特征在于，步驟S2包括：
4.如權利要求1所述的一種基于LSTM神經網絡的女性胸罩推薦方法，其特征在于，步驟S3包括：
5.如權利要求1所述的一種基于LSTM神經網絡的女性胸罩推薦方法，其特征在于，步驟S4包括：
6.如權利要求1所述的一種基于LSTM神經網絡的女性胸罩推薦方法，其特征在于，步驟S5包括：
7.如權利要求1所述的一種基于LSTM神經網絡的女性胸罩推薦方法，其特征在于，步驟S6包括：
8.一種基于LSTM神經網絡的女性胸罩推薦系統，其特征在于，所述系統包括：
9.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有指令，當所述指令被計算機執行時，執行如權利要求1-8任意一項所述的方法。
【技術特征摘要】
1.一種基于lstm神經網絡的女性胸罩推薦方法，其特征在于，方法包括以下步驟：
2.如權利要求1所述的一種基于lstm神經網絡的女性胸罩推薦方法，其特征在于，步驟s1包括：
3.如權利要求1所述的一種基于lstm神經網絡的女性胸罩推薦方法，其特征在于，步驟s2包括：
4.如權利要求1所述的一種基于lstm神經網絡的女性胸罩推薦方法，其特征在于，步驟s3包括：
5.如權利要求1所述的一種基于lstm神經網絡的女性胸罩推薦方法，其...
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。