申请/专利权人：杭州师范大学

申请日：2023-01-03

公开（公告）日：2024-06-25

公开（公告）号：CN115953804B

主分类号：G06V40/10

分类号：G06V40/10;G06V10/25;G06V10/774;G06V10/82;G06N3/08;G06N3/0464

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2023.04.28#实质审查的生效;2023.04.11#公开

摘要：本发明公开了一种基于改进QPSO‑BP神经网络的人体尺寸预测方法，本发明通过收集人体静态的净体数据并进行数据预处理，构造出人体尺寸的数据。采用分层协作进化量子粒子群算法以优化BP‑ANN模型的权值和阈值。将人体尺寸测量数据集中的数据采用K折交叉验证划分为训练样本数据和测试样本数据，建立各主要特征参数与各部位尺寸的相关性关系。使用多元线性回归模型对不易测量部位进行预测，再利用诱导有序加权平均算子对预测模型权重进行线性加权融合并进行重新分配，从而估算出预设部位精确的人体尺寸信息预测结果。本发明能更加精准、有效地提供服装制版相关的人体尺寸预测，有效避免单一预测人体尺寸方法中的缺陷。

主权项：1.基于改进QPSO-BP神经网络的人体尺寸预测方法，其特征在于：具体包括以下步骤：步骤一、收集人体静态的净体数据并进行数据预处理，构造出人体尺寸的数据；步骤二、采用分层协作进化量子粒子群算法以优化BP-ANN模型的权值和阈值；具体为：使用动态多子群划分方法将种群分为F个子种群，其每个子种群大小为Ng的子群并对每个子群独立寻优，从而选取每个子群的最优解进入顶层并形成一个新种群；在顶层寻找该种群的最优解Gjt并更新所有顶层粒子的位置，再将传入到底层每个子种群，并通过不断地引导子群以寻求最优解，从而使底层的各个子群体能够达到全局最优并引入莱维Levy飞行策略进一步扩大局部吸引子搜索范围；基于分层协作进化量子粒子群算法优化BP-ANN模型的权值和阈值，其输入层神经元节点数am＝3，隐含层神经元节点数bu＝13，输出层神经元节点数cn＝10；隐含层传递函数为tansig函数，输出层传递函数为purelin函数，训练函数选取trainlm函数，BP-ANN网络学习率η＝0.001，动量因子mc＝0.01，总共训练次数Emax＝1000，BP-ANN模型的权值和阈值优化的种群规模为50个粒子，粒子的搜索范围[-1,1]；设隐含层节点数计算式为构建的改进BP-ANN网络模型为3-13-10结构；改进BP-ANN网络模型的输入层为易测的关键人体特征参数；步骤三、将人体尺寸测量数据集中的数据采用K折交叉验证划分为训练样本数据和测试样本数据，建立各主要特征参数与各部位尺寸的相关性关系；网络训练后，输入测试样本数据，BP-ANN网络预测输出相应各个不易测量部位尺寸；步骤四、使用多元线性回归模型MLR对不易测量部位进行预测，再利用诱导有序加权平均算子IOWA对预测模型权重进行线性加权融合并进行重新分配，从而估算出预设部位精确的人体尺寸信息预测结果；所述诱导有序加权平均算子IOWA是根据各个单项预测方法在不同时间点的预测准确度而确定的权值ωj以及组合预测值其中，rbij为根据输入关键特征参数预测得到第j种第i个部位的人体数据，一共有n个预测部位，ωj是第j种预测方法的权重；其中，m取2并分别采用MLR多元线性回归预测方法和QPSO-BP非线性预测方法来组合预测。

全文数据：

权利要求：

百度查询： 杭州师范大学 基于改进QPSO-BP神经网络的人体尺寸预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD