纺织学报 ›› 2018, Vol. 39 ›› Issue (03): 137-142.doi: 10.13475/j.fzxb.20170504006

• 服装工程 • 上一篇    下一篇

采用多蜂群协同演化算法的服装流行色预测

  

  • 收稿日期:2017-05-22 修回日期:2017-12-01 出版日期:2018-03-15 发布日期:2018-03-09

Hierarchical multi-hive bee colony algorithm for fashion color prediction

  • Received:2017-05-22 Revised:2017-12-01 Online:2018-03-15 Published:2018-03-09

摘要:

针对现有服装流行色定量预测方法存在的精度缺陷,借鉴了复杂适应系统理论和生物学协同进化思想,提出一种基于层次协同演化机制的多蜂群协同优化算法。将该算法应用于人工神经网络权值配置问题上,通过拟合曲线进行测试。结果表明该算法可提升神经网络模拟目标问题的精度。使用 PANTONE 发布的2007−2016 年的国际春夏女装流行色定案,建立了春夏女装流行色色相的预测模型;对该模型中改进的神经网络进行训练,分析不同隐含层节点个数对色相预测精度的影响;预测2017 年女装流行色色相,并将预测结果与PANTONE 官方发布结果进行对比。结果表明该方法与其他方法相比提高了预测结果的精准度。

关键词: 层次演化, 分层人工蜂群算法, 神经网络, 服装流行色, 色相预测

Abstract:

Aiming at the accuracy defect of current prediction method on fashion color, a hierarchical multi-hive artificial bee colony algorithm (HABC) was proposed based on complex adaptive system theory and biological coordinated evolutionary thought. HABC was applied in calculating the weight values of network and tested by fitting curves. The results show that it can improve the accuracy of neural network simulation of the target problem. Using the data of women international spring and summer clothing fashion color in the years from 2007 to 2016 released by PANTONE, a prediction model of fashionable color hue is established. The influence of nodes number in different hidden layers on hue prediction accuracy is analyzed. By comparing the prediction results with that issued by PANTONE official, it is shown that the proposed method improves the prediction accuracy compared with the other methods.

Key words: hierarchical evolution, hierarchical bee colony algorithm, meural network, clothes fashion color, color prediction

[1] 汪珊娜 张华熊 康锋. 基于卷积神经网络的领带花型情感分类[J]. 纺织学报, 2018, 39(08): 117-123.
[2] 刘为敏 谢红. BP神经网络下的智能化合体服装样板生成[J]. 纺织学报, 2018, 39(07): 116-121.
[3] 王雯雯 高畅 刘基宏. 应用卷积神经网络的细纱断纱锭位识别[J]. 纺织学报, 2018, 39(06): 136-141.
[4] 周其洪 李青青 陈革. 变径变纬密管状织物的控制模型及其算法实现[J]. 纺织学报, 2017, 38(10): 113-117.
[5] 张宁 潘如如 高卫东. 采用图像处理的织物缝纫平整度自动评估[J]. 纺织学报, 2017, 38(04): 145-150.
[6] 景军锋 范晓婷 李鹏飞 洪良. 应用深度卷积神经网络的色织物缺陷检测[J]. 纺织学报, 2017, 38(02): 68-74.
[7] 张蕾 韦攀东 李鹏飞 王晓华 刘秀平. 采用神经网络算法的多指机械手织物抓取规划[J]. 纺织学报, 2017, 38(01): 132-139.
[8] 杨建国 熊经纬 徐兰 项前. 应用混合种群遗传神经网络的精梳毛纺工艺参数反演模型[J]. 纺织学报, 2016, 37(07): 149-154.
[9] 常丽霞 高卫东 潘如如 刘建立. 灰色GM(1,1)模型在国际春夏女装流行色色相预测中的应用[J]. 纺织学报, 2015, 36(04): 128-0.
[10] 夏明 陈益松 张文斌. 基于椭圆傅里叶的人体胸围断面形状研究[J]. 纺织学报, 2014, 35(7): 107-0.
[11] 金娟凤 杨允出 夏馨 倪世明 邹奉元. 基于三维测量的青年女性臀部体型概率神经网络识别模型构建[J]. 纺织学报, 2014, 35(4): 100-0.
[12] 杨梦星 张毅 郑秋婷. BP神经网络预测环境对丝织物力学性能的影响[J]. 纺织学报, 2013, 34(8): 39-0.
[13] 孙洁 金娟凤 倪世明 叶玲 刘焘 邹奉元. 基于神经网络集成的女下装号型归档模型构建[J]. 纺织学报, 2013, 34(8): 110-0.
[14] 武艺泳 陈铁军 罗勇 周亮杰. 基于改进型单神经元PID的热牵伸辊温控系统[J]. 纺织学报, 2013, 34(7): 126-131.
[15] 张海波 黄铁军 修毅 赵野军 章江华. 基于神经网络的男西装图像情感语义识别[J]. 纺织学报, 2013, 34(12): 138-0.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!