隨著女性服裝電子商務市場的持續(xù)擴大,準確又高效地對女性服裝圖像進行分類成為重點研究方向。本文基于PCA降維算法,并用BP神經網絡對女性服裝款式進行精確且高效的分類。仿真實驗部分使用經典BP神經網絡模型對分類的可行性進行驗證和評估。對比本文算法的結果表明,兩組模型均達到96%以上的精確度,適用于女性服裝款式的分類,本文算法比經典模型提升3%的精確度,運行時間大幅度減少,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】：

本文構建的BP神經網絡模型圖

神經網絡的構建的重點在于數(shù)據的函數(shù)擬合，本文實驗建立了三層的BP神經網絡模型，導入訓練數(shù)據478張女性服裝圖像，并將原始圖片進行預處理，轉換為100*100像素的圖像，圖像維度為10000。并根據數(shù)據頻率排列圖，如圖2所示，選取95%的主成分貢獻率，但需要預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)據進行網絡訓練，保證函數(shù)擬合的情況下，設置神經網絡各層的節(jié)點數(shù)和學習率。神經網絡分類輸出包括長袖、短袖、長褲、短褲、長裙、短裙在內的六組女性服裝款式。2.2 仿真實驗結果分析

(3）圖4是神經網絡數(shù)據的回歸分析情況，因為BP神經網絡是有監(jiān)督的機器學習，所以能根據神經網絡模型分類的女性服裝圖像與實際類別進行回歸分析，計算R值。圖中不論是測試集還是訓練集，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 經典BP神經網絡模型與本文模型的回歸分析對比圖


本文編號：3489103