隨著女性服裝電子商務(wù)市場的持續(xù)擴(kuò)大,準(zhǔn)確又高效地對女性服裝圖像進(jìn)行分類成為重點(diǎn)研究方向。本文基于PCA降維算法,并用BP神經(jīng)網(wǎng)絡(luò)對女性服裝款式進(jìn)行精確且高效的分類。仿真實(shí)驗(yàn)部分使用經(jīng)典BP神經(jīng)網(wǎng)絡(luò)模型對分類的可行性進(jìn)行驗(yàn)證和評估。對比本文算法的結(jié)果表明,兩組模型均達(dá)到96%以上的精確度,適用于女性服裝款式的分類,本文算法比經(jīng)典模型提升3%的精確度,運(yùn)行時間大幅度減少,具有更優(yōu)的分類表現(xiàn)。 

【文章來源】：輕工科技. 2020,36(04)

【文章頁數(shù)】：3 頁

【部分圖文】：

本文構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型圖

神經(jīng)網(wǎng)絡(luò)的構(gòu)建的重點(diǎn)在于數(shù)據(jù)的函數(shù)擬合，本文實(shí)驗(yàn)建立了三層的BP神經(jīng)網(wǎng)絡(luò)模型，導(dǎo)入訓(xùn)練數(shù)據(jù)478張女性服裝圖像，并將原始圖片進(jìn)行預(yù)處理，轉(zhuǎn)換為100*100像素的圖像，圖像維度為10000。并根據(jù)數(shù)據(jù)頻率排列圖，如圖2所示，選取95%的主成分貢獻(xiàn)率，但需要預(yù)防特征信息消減過多，所以本文使用PCA降維算法將維度降至10(5×2）維。最后對降維后的數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，保證函數(shù)擬合的情況下，設(shè)置神經(jīng)網(wǎng)絡(luò)各層的節(jié)點(diǎn)數(shù)和學(xué)習(xí)率。神經(jīng)網(wǎng)絡(luò)分類輸出包括長袖、短袖、長褲、短褲、長裙、短裙在內(nèi)的六組女性服裝款式。2.2 仿真實(shí)驗(yàn)結(jié)果分析

(3）圖4是神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的回歸分析情況，因?yàn)锽P神經(jīng)網(wǎng)絡(luò)是有監(jiān)督的機(jī)器學(xué)習(xí)，所以能根據(jù)神經(jīng)網(wǎng)絡(luò)模型分類的女性服裝圖像與實(shí)際類別進(jìn)行回歸分析，計(jì)算R值。圖中不論是測試集還是訓(xùn)練集，本文模型的總體R值都更接近于1，函數(shù)的擬合度較好。圖4 經(jīng)典BP神經(jīng)網(wǎng)絡(luò)模型與本文模型的回歸分析對比圖


本文編號：3489103