利索-全球专利检索

  1. 登录
  2. 注册
发明公开
CN108741342A 一种基于因子分析和概率神经网络的人体体型聚类方法 无效 - 驳回

  • 专利标题： 一种基于因子分析和概率神经网络的人体体型聚类方法
  • 专利标题（英）： Human body physique clustering method based on factor analysis and probabilistic neural network
  • 申请号： CN201810332983.7
    申请日： 2018-04-13
  • 公开(公告)号： CN108741342A
    公开(公告)日： 2018-11-06
  • 发明人: 王竹君 , 王建萍
  • 申请人： 东华大学
  • 申请人地址： 上海市松江区松江新城人民北路2999号
  • 专利权人： 东华大学
  • 当前专利权人： 东华大学
  • 当前专利权人地址： 上海市松江区松江新城人民北路2999号
  • 代理机构： 上海泰能知识产权代理事务所
  • 代理商 宋缨; 钱文斌
  • 主分类号： A41H1/02
  • IPC分类号： A41H1/02
一种基于因子分析和概率神经网络的人体体型聚类方法
摘要：
本发明涉及一种基于因子分析和概率神经网络的人体体型聚类方法，包括以下步骤：采集静态人体净体数据，并构建人体数据库；根据服装业的实际及研究需要，确定27个基础变量；利用因子分析对27个基础变量进行降维处理，根据主成分的累积贡献率，提取贡献率大于80％前N个主成分的因子得分；构建人体体型聚类的概率神经网络模型，其输入层为前N个主成分的因子得分，输出层为人体体型的类别代号；基于因子得分与概率神经网络对人体体型进行聚类。本发明能够直接有效地对人体体型进行分类。
摘要（英）：

The invention relates to a human body physique clustering method based on a factor analysis and a probabilistic neural network. The method comprises the following steps of collecting static human bodynet body data and constructing a human body database; determining 27 basic variables according to the actual and research needs of the clothing industry; using the factor analysis to reduce the dimensionality of the 27 basic variables, and according to the cumulative contribution rate of principal components, extracting the factor scores of the top N principal components with contribution rate greater than 80%; constructing a probabilistic neural network model of human body physique clustering, wherein the factor scores of the top N principal components is an input layer, and an output layeris the category code of a human body physique; clustering the human body physique based on the factor scores and the probabilistic neural network. The method can directly and effectively classify human body physiques.

0/0