基于卷积神经网络的服装风格识别与推荐研究
发布时间：2021-10-09 13:34
近年来,电商平台发展迅猛,越来越多的用户选择线上购物。线上购物在一定程度上便利了人们的生活,但由于电商平台的产品琳琅满目,特别是服装类产品又具有个性化强且发展迅速的特点,这就使得海量信息出现在消费者面前,导致信息超载的现象。虽然购物平台为消费者提供搜索功能,但查询出来的结果数量往往还是十分巨大。消费者逐个挑选服装无疑浪费了大量的时间精力,最后还可能没有选到满意的商品。除此之外,服装风格是个较为模糊的概念,由于生活环境、教育水平等因素的差异,不同的人对服装风格有不同的理解,导致风格定位存在偏差。目前服装风格并没有一个准确的定义和度量方法。针对这一现状,本课题提出一种基于卷积神经网络的服装风格识别与推荐系统,以女装为例,在风格识别的基础上进行风格推荐,并搭建了一个女装风格推荐系统,结合用户的基本信息及个人偏好等给用户一个满意的服装风格款式推荐。首先,通过文献调研及市场调查确定目前市场上主流的八种服装风格,分别是:经典风格、优雅风格、轻快风格、休闲风格、运动风格、中性风格、前卫风格、民族风格。并通过专家访谈对八种风格进行分析整理,得到八种风格的风格特征。其次,在淘宝、天猫、京东等电商平台收集...
【文章来源】：浙江理工大学浙江省
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRCAT
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 服装风格识别分类的研究现状
1.2.2 服装风格推荐的研究现状
1.2.3 研究现状总结
1.3 研究内容、意义、创新点及难点
1.3.1 研究内容
1.3.2 研究意义
1.3.3 创新点
1.3.4 重难点
1.4 研究思路
1.5 本章小结
第二章 服装风格量化及样本库构建
2.1 服装风格分类
2.2 服装风格特征分析
2.2.1 款式造型风格特征分析
2.2.2 色彩风格分析
2.2.3 面料风格特征分析
2.3 服装风格的特征表述
2.4 样本库的构建
2.4.1 服装分类样本库的构建
2.4.2 服装风格样本库构建
2.5 本章小结
第三章 基于卷积神经网络的服装风格识别与分类
3.1 卷积神经网络的概述
3.1.1 卷积神将网络的结构
3.2 Alex net卷积神经网络的构建
3.2.1 Alex net卷积神经网络的优缺点
3.2.2 Alex net卷积神经网络结构设计
3.3 Alex net卷积神经网络模型训练
3.3.1 样本预处理
3.3.2 Alex net卷积神经网络识别过程
3.3.3 Alex net卷积神经网络识别结果
3.4 本章小结
第四章 服装风格推荐系统的设计与实现
4.1 推荐系统的概述
4.1.1 推荐系统的定义
4.1.2 推荐系统的构成
4.1.3 推荐算法的研究
4.1.4 几类常用推荐算法的优缺点
4.2 服装风格推荐模型的设计
4.2.1 用户风格偏好模型的构建
4.2.2 服装风格推荐算法
4.3 服装风格推荐系统的设计
4.3.1 需求分析
4.3.2 系统的功能设计
4.4 服装风格推荐系统的实现
4.4.1 系统登录界面
4.4.2 用户服装风格推荐界面
4.5 反馈机制
4.6 本章小结
第五章 服装风格推荐系统的验证
5.1 实验方案
5.1.1 实验方法与过程
5.1.2 推荐样本量确定
5.2 实验结果与分析
5.3 本章小结
第六章 总结与展望
6.1 研究结论
6.2 研究展望
参考文献
附录
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]计算机软件开发中JAVA编程语言及其实际应用[J]. 张小娜. 计算机产品与流通. 2019(10)
[2]数据库技术在大数据中的应用探讨[J]. 袁霞. 计算机产品与流通. 2019(10)
[3]卷积神经网络的发展与应用综述[J]. 俞颂华. 信息通信. 2019(02)
[4]个性化推荐算法综述[J]. 陈豪,王泽珺. 企业科技与发展. 2019(02)
[5]基于深度学习卷积神经网络图像识别技术的研究与应用[J]. 杨子贤. 中国设备工程. 2018(23)
[6]国内独立服装设计师品牌风格定位差异性研究[J]. 肖雅林,任力. 美术大观. 2018(10)
[7]基于卷积神经网络的纺织面料主成分分类[J]. 张玮,张华熊. 浙江理工大学学报(自然科学版). 2019(01)
[8]决策树几种分类算法的分析比较[J]. 徐梦茹,王学明. 电脑知识与技术. 2018(20)
[9]基于用户偏好的个性化服装推荐模式研究[J]. 胡觉亮,王正方,韩曙光. 浙江理工大学学报(社会科学版). 2018(02)
[10]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
博士论文
[1]电子商务网站个性化推荐的多样性对推荐效果的影响研究[D]. 张琳.北京邮电大学 2017
硕士论文
[1]基于多属性融合的服装搭配推荐[D]. 陈柯.浙江大学 2018
[2]基于TPO规则的智能化服装搭配系统研究[D]. 陈迪.北京服装学院 2018
[3]基于图像内容的服装分类和推荐方法研究[D]. 王安琪.昆明理工大学 2017
[4]连衣裙的造型要素与感性意象关联量化及款式推荐研究[D]. 张韩.浙江理工大学 2017
[5]基于距离度量学习和多视图学习的服装主观风格识别方法[D]. 高珊.浙江大学 2016
[6]基于层次分析法的服装推荐专家系统[D]. 潘璐.东华大学 2016
[7]服装个性化推荐方法研究[D]. 李秋艳.苏州大学 2014
[8]基于DBN的服装风格自主发育的研究与实现[D]. 唐登龙.东华大学 2014
[9]基于感性工学的女装设计研究与应用[D]. 董向芳.浙江理工大学 2013
[10]基于感性工学理论的服装风格量化与建模研究[D]. 陈文勤.东华大学 2012
本文编号：3426486
【文章来源】：浙江理工大学浙江省
【文章页数】：99 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRCAT
第一章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 服装风格识别分类的研究现状
1.2.2 服装风格推荐的研究现状
1.2.3 研究现状总结
1.3 研究内容、意义、创新点及难点
1.3.1 研究内容
1.3.2 研究意义
1.3.3 创新点
1.3.4 重难点
1.4 研究思路
1.5 本章小结
第二章 服装风格量化及样本库构建
2.1 服装风格分类
2.2 服装风格特征分析
2.2.1 款式造型风格特征分析
2.2.2 色彩风格分析
2.2.3 面料风格特征分析
2.3 服装风格的特征表述
2.4 样本库的构建
2.4.1 服装分类样本库的构建
2.4.2 服装风格样本库构建
2.5 本章小结
第三章 基于卷积神经网络的服装风格识别与分类
3.1 卷积神经网络的概述
3.1.1 卷积神将网络的结构
3.2 Alex net卷积神经网络的构建
3.2.1 Alex net卷积神经网络的优缺点
3.2.2 Alex net卷积神经网络结构设计
3.3 Alex net卷积神经网络模型训练
3.3.1 样本预处理
3.3.2 Alex net卷积神经网络识别过程
3.3.3 Alex net卷积神经网络识别结果
3.4 本章小结
第四章 服装风格推荐系统的设计与实现
4.1 推荐系统的概述
4.1.1 推荐系统的定义
4.1.2 推荐系统的构成
4.1.3 推荐算法的研究
4.1.4 几类常用推荐算法的优缺点
4.2 服装风格推荐模型的设计
4.2.1 用户风格偏好模型的构建
4.2.2 服装风格推荐算法
4.3 服装风格推荐系统的设计
4.3.1 需求分析
4.3.2 系统的功能设计
4.4 服装风格推荐系统的实现
4.4.1 系统登录界面
4.4.2 用户服装风格推荐界面
4.5 反馈机制
4.6 本章小结
第五章 服装风格推荐系统的验证
5.1 实验方案
5.1.1 实验方法与过程
5.1.2 推荐样本量确定
5.2 实验结果与分析
5.3 本章小结
第六章 总结与展望
6.1 研究结论
6.2 研究展望
参考文献
附录
攻读学位期间的研究成果
致谢
【参考文献】：
期刊论文
[1]计算机软件开发中JAVA编程语言及其实际应用[J]. 张小娜. 计算机产品与流通. 2019(10)
[2]数据库技术在大数据中的应用探讨[J]. 袁霞. 计算机产品与流通. 2019(10)
[3]卷积神经网络的发展与应用综述[J]. 俞颂华. 信息通信. 2019(02)
[4]个性化推荐算法综述[J]. 陈豪,王泽珺. 企业科技与发展. 2019(02)
[5]基于深度学习卷积神经网络图像识别技术的研究与应用[J]. 杨子贤. 中国设备工程. 2018(23)
[6]国内独立服装设计师品牌风格定位差异性研究[J]. 肖雅林,任力. 美术大观. 2018(10)
[7]基于卷积神经网络的纺织面料主成分分类[J]. 张玮,张华熊. 浙江理工大学学报(自然科学版). 2019(01)
[8]决策树几种分类算法的分析比较[J]. 徐梦茹,王学明. 电脑知识与技术. 2018(20)
[9]基于用户偏好的个性化服装推荐模式研究[J]. 胡觉亮,王正方,韩曙光. 浙江理工大学学报(社会科学版). 2018(02)
[10]卷积神经网络在图像分类和目标检测应用综述[J]. 周俊宇,赵艳明. 计算机工程与应用. 2017(13)
博士论文
[1]电子商务网站个性化推荐的多样性对推荐效果的影响研究[D]. 张琳.北京邮电大学 2017
硕士论文
[1]基于多属性融合的服装搭配推荐[D]. 陈柯.浙江大学 2018
[2]基于TPO规则的智能化服装搭配系统研究[D]. 陈迪.北京服装学院 2018
[3]基于图像内容的服装分类和推荐方法研究[D]. 王安琪.昆明理工大学 2017
[4]连衣裙的造型要素与感性意象关联量化及款式推荐研究[D]. 张韩.浙江理工大学 2017
[5]基于距离度量学习和多视图学习的服装主观风格识别方法[D]. 高珊.浙江大学 2016
[6]基于层次分析法的服装推荐专家系统[D]. 潘璐.东华大学 2016
[7]服装个性化推荐方法研究[D]. 李秋艳.苏州大学 2014
[8]基于DBN的服装风格自主发育的研究与实现[D]. 唐登龙.东华大学 2014
[9]基于感性工学的女装设计研究与应用[D]. 董向芳.浙江理工大学 2013
[10]基于感性工学理论的服装风格量化与建模研究[D]. 陈文勤.东华大学 2012
本文编号：3426486
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3426486.html
