[发明专利]职业服装号型智能归类的模糊神经网络方法

摘要

本发明属于职业服装号型归类技术领域，涉及到采用模糊神经网络模型对职业服装号型进行智能归类的方法。其特征是采用了单位BP算法、加入动量项、引入陡度因子和进化规划四种改进策略进行改进，根据不同的情况调用相应的策略，利用模糊逻辑和神经网络的关联性和互补性，针对服装号型数据难以精确归类的特点，引入模糊规则建立模糊神经网络来进行样本训练，实现归类过程的智能化。本发明的效果和益处是把模糊神经网络应用到职业服装号型归类上，实现了职业服装号型归类的智能化，大大节省了传统服装领域花在服装号型归类上的人力、物力和财力；解决了目前职业服装样衣套穿成本高、周期长、分档要求高及量体师的测量误差导致分档不合理等问题。

主权项

1.一种职业服装号型智能归类的模糊神经网络方法，是改进的标准BP网络和模糊逻辑模型相结合，实现计算机进行职业服装号型的智能归类；其特征在于标准BP网络的改进，包括(1)单位BP算法：Δωij=-λ∂Ek/∂ωijB(K)ω=-λ∂Ek/∂ωijΣi=1x2Σj=1x3[∂Ek∂ωij]2]]>(2)动量项方法：Δw^m_(k+1)＝mrΔw^m_(k)-lr×s^m×(a^m-1)^T(3)陡度因子方法：在原激励函数中引入一个陡度因子λ：当发现ΔE接近于零而(t-y)仍较大时，可判断训练已经进入平坦区，此时令λ＞1；当退出平坦区后，再令λ＝1；(4)进化规划技术方法：x’＝x+σ·N(0，1)    (1)σ=β·Φ(x)+r]]>(2)式(1)中N(0，1)表示对每个重新采样且具有期望值为0、标准偏差为1的正态分布随机变量，式(2)中系数β，γ是特定参数，一般将β和γ分别置为1和0。