基于數(shù)據(jù)挖掘的服裝流行色預(yù)測

江莎莉

摘 要： 針對傳統(tǒng)服裝流行色預(yù)測模型精度低、結(jié)果不可靠的問題，設(shè)計了一種基于數(shù)據(jù)挖掘的服裝流行色預(yù)測模型。首先對當(dāng)前國內(nèi)外對服裝流行色預(yù)測現(xiàn)狀進(jìn)行分析，并采集服裝流行色數(shù)據(jù)；然后對服裝流行色數(shù)據(jù)進(jìn)行聚類處理，并采用數(shù)據(jù)挖掘技術(shù)建立服裝流行色預(yù)測模型；最后將該模型應(yīng)用于具體的服裝流行色預(yù)測中。該模型可以很好地發(fā)現(xiàn)服裝流行色的變化趨勢，預(yù)測結(jié)果可靠，可以為服裝企業(yè)和服裝設(shè)計師提供有價值的參考信息。

關(guān)鍵詞： 服裝設(shè)計； 流行色； 數(shù)據(jù)挖掘； 預(yù)測模型； 預(yù)測誤差； 聚類處理

中圖分類號： TN911.1?34； TP181 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）03?0092?04

Abstract： In view of the low accuracy and unreliable result of the traditional clothing fashion color forecast model， a clothing fashion color prediction model based on data mining was designed. The current status of the clothing fashion color prediction at home and abroad is analyzed， and the clothing fashion color data is acquired. The clustering was performed for the clothing fashion color data， and the data mining technology is adopted to establish the clothing fashion color prediction model. The model was applied to the specific clothing fashion color prediction. The model can find out the change trend of clothing fashion color， and has reliable prediction result， which can provide the valuable reference information for clothing enterprises and fashion designers.

Keywords： clothing design； fashion color； data mining； prediction model； prediction error； clustering

0 引 言

隨著我國經(jīng)濟(jì)的快速發(fā)展，人們生活水平得到大幅度改善，人們更加喜歡時尚朝流的服裝，而流行色是服裝中人們最為關(guān)注的一個方面，同時，服裝流行色直接影響服裝企業(yè)的生產(chǎn)和營銷，預(yù)測結(jié)果可以幫助企業(yè)把握服裝流行色未來的變化態(tài)勢，因此，如何建立高精度、客觀的服裝流行色預(yù)測模型已經(jīng)是服裝行業(yè)的重大研究課題[1?2]。

最原始的服裝流行色預(yù)測模型是通過一些專業(yè)人員根據(jù)自己的經(jīng)驗(yàn)進(jìn)行預(yù)測，該方法得到的預(yù)測結(jié)果與專業(yè)人員經(jīng)驗(yàn)的豐富度密切相關(guān)，預(yù)測結(jié)果極不可信，而且預(yù)測結(jié)果盲目性十分嚴(yán)重[3]。隨著計算機(jī)技術(shù)的不斷發(fā)展，出現(xiàn)了許多自動、智能的服裝流行色預(yù)測模型，如采用統(tǒng)計學(xué)理論中的回歸分析模型法建立服裝流行色預(yù)測模型，由于服裝流行色受到人們心理因素的影響，而且心理具有一定的波動性，因此，服裝流行色變化具有偶然性、周期性，回歸分析模型難以對它們建立準(zhǔn)確的預(yù)測模型，預(yù)測結(jié)果不理想[4]。隨后出現(xiàn)了灰色系統(tǒng)、神經(jīng)網(wǎng)絡(luò)等服裝流行色預(yù)測模型[5?6]，它們的預(yù)測結(jié)果得到了改善。在實(shí)際應(yīng)用中，灰色系統(tǒng)只能對服裝流行色的單一變化趨勢進(jìn)行預(yù)測，如上升趨勢，但是服裝流行色有時可能會出現(xiàn)下降趨勢，并且受到不同年齡段影響，波動起伏比較大，因此建模的局限性十分明顯[7]。

神經(jīng)網(wǎng)絡(luò)的建模能力相當(dāng)強(qiáng)大，是當(dāng)前服裝流行色主要的建模方法，但是需要大量的服裝流行色歷史樣本，不然無法對服裝流行色的變化特點(diǎn)進(jìn)行高精度建模，而服裝流行色的歷史數(shù)據(jù)通常相當(dāng)少，各因素之間相互影響，因此，神經(jīng)網(wǎng)絡(luò)的服裝流行色預(yù)測結(jié)果不穩(wěn)定，有時預(yù)測精度高，有時預(yù)測精度低，實(shí)際應(yīng)用價值不高[8?10]。

數(shù)據(jù)挖掘技術(shù)是最近發(fā)展起來的現(xiàn)代統(tǒng)計學(xué)建模方法，包括聚類分析、不同類型支持向量機(jī)等[11]，為服裝流行色的建模提供了一種方法。針對傳統(tǒng)服裝流行色預(yù)測模型精度低、結(jié)果不可靠的問題，設(shè)計了一種基于數(shù)據(jù)挖掘的服裝流行色預(yù)測模型，首先采集服裝流行色數(shù)據(jù)；然后對服裝流行色數(shù)據(jù)進(jìn)行處理，并采用數(shù)據(jù)挖掘技術(shù)建立服裝流行色預(yù)測模型，最后將該模型應(yīng)用于具體的服裝流行色預(yù)測中，測試其有效性。

1 數(shù)據(jù)挖掘技術(shù)

1.1 模糊聚類分類算法

模糊C均值聚類算法是一種常用的數(shù)據(jù)挖掘技術(shù)，它可以將數(shù)據(jù)劃分為不同的類別，這樣可以將其應(yīng)用到服裝流行色的建模中，根據(jù)預(yù)測點(diǎn)選擇最優(yōu)的服裝流行色訓(xùn)練樣本集。對于個樣本：xi（i=1，2，…，n），它們可以分為c類，通過計算每一類的聚類中心，然后根據(jù)相似性指標(biāo)即隸屬度，得到不同類中的樣本。全部樣本的隸屬度總和為1，即：

那么模糊聚類分析算法的目標(biāo)函數(shù)計算公式為：

式中：表示第類的聚類中心；表示第類和第類的聚類中心間的距離；表示加權(quán)指數(shù)。

根據(jù)模糊聚類分析的思想，可建立如下新目標(biāo)函數(shù)：

式中表示拉格朗日乘子。

對全部參量求導(dǎo)，可以得到：

式（4）和式（5）是模糊聚類算法的兩個必要條件，通過不斷的迭代，得到最優(yōu)的聚類中心，實(shí)現(xiàn)樣本的分類，可以減少樣本的規(guī)模。endprint

1.2 支持向量機(jī)

支持向量機(jī)也是一種新型的數(shù)據(jù)挖掘技術(shù)，服裝流行色的數(shù)據(jù)為：（），那么支持向量機(jī)的估計函數(shù)為：

式中和表示相關(guān)向量。

為了簡化服裝流行色預(yù)測的過程，加快訓(xùn)練速度，建立如下的優(yōu)化函數(shù)：

式中：表示松弛因子；表示回歸誤差的懲罰程度。

通過建立如下拉格朗日函數(shù)得到一個二次優(yōu)化問題：

2 數(shù)據(jù)挖掘的服裝流行色預(yù)測模型

2.1 服裝流行色數(shù)據(jù)的收集以及處理

針對具體服裝流行色問題，通過相關(guān)統(tǒng)計文獻(xiàn)收集其歷史數(shù)據(jù)，由于服裝流行色受到許多因素作用，其會對服裝流行色建模過程產(chǎn)生負(fù)面影響，為了消除該負(fù)面影響，對服裝流行色數(shù)據(jù)進(jìn)行如下歸一化處理：

式中為處理后的服裝流行色數(shù)據(jù)。

2.2 服裝流行色樣本的聚類分析

由于服裝流行色的預(yù)測樣本與其他樣本之間存在一定的關(guān)系，與有的樣本關(guān)系密切，與有的樣本關(guān)系不密切，如果將全部歷史樣本輸入到支持向量機(jī)進(jìn)行建模，不僅難以獲得高精度的服裝流行色預(yù)測模型，而且影響服裝流行色的建模效率，為此，本文采用模糊聚類分析算法對處理后的服裝流行色數(shù)據(jù)進(jìn)行聚類，選與預(yù)測點(diǎn)關(guān)系比較密切的樣本構(gòu)建訓(xùn)練樣本，刪除其他作用不大的樣本，減少訓(xùn)練樣本的規(guī)模。

2.3 服裝流行色的預(yù)測模型

將服裝流行色的訓(xùn)練集輸入到支持向量機(jī)建模，得到的預(yù)測模型為：

對于未來時刻的服裝流行色，其預(yù)測值為：

2.4 服裝流行色的反歸一化

由于服裝流行色經(jīng)過了歸一化處理，因此，最后的服裝流行色預(yù)測結(jié)果需要進(jìn)行反歸一化操作，具體為：

2.5 服裝流行色預(yù)測模型的工作流程

基于數(shù)據(jù)挖掘的服裝流行色預(yù)測模型的工作思想為：首先收集服裝流行色歷史數(shù)據(jù)，然后采用糊模聚類分析選擇與預(yù)測點(diǎn)相近的數(shù)據(jù)構(gòu)成訓(xùn)練樣本集，最后采用支持向量機(jī)服裝流行色訓(xùn)練樣本進(jìn)行學(xué)習(xí)，建立服裝流行色預(yù)測模型，具體如圖1所示。

3 服裝流行色的預(yù)測實(shí)例

3.1 數(shù)據(jù)來源

為了測試基于數(shù)據(jù)挖掘的服裝流行色預(yù)測模型的性能，選擇1997—2016年的服裝流行色中的紅色、藍(lán)色、紫色數(shù)據(jù)作為研究對象，它們具體如圖2所示。

3.2 數(shù)據(jù)挖掘的服裝流行色預(yù)測結(jié)果

采用上述服裝流行色預(yù)測的建模過程，對圖2中的數(shù)據(jù)建立服裝流行色預(yù)測模型，并采用20個數(shù)據(jù)對模型的性能進(jìn)行分析，結(jié)果如圖3所示。

對圖3的預(yù)測結(jié)果進(jìn)行分析可以發(fā)現(xiàn)，數(shù)據(jù)挖掘技術(shù)通過模糊聚類分析算法對服裝流行色數(shù)據(jù)進(jìn)行聚類，可以找到與預(yù)測點(diǎn)密切相關(guān)的訓(xùn)練樣本集，通過支持向量機(jī)對服裝流行色的變化特點(diǎn)進(jìn)行擬合，建立高精度的服裝流行色預(yù)測模型。

3.3 與其他服裝流行色預(yù)測模型的性能對比

為了全面分析基于數(shù)據(jù)挖掘的服裝流行色預(yù)測模型的優(yōu)越性，選擇當(dāng)前比較經(jīng)典的模型作為對比模型，分別為：回歸分析模型、灰色模型、文獻(xiàn)[10]的神經(jīng)網(wǎng)絡(luò)以及文獻(xiàn)[11]中的服裝流行色預(yù)測模型。以平均預(yù)測精度作為評價指標(biāo)，每一種模型執(zhí)行10次，各種模型的服裝流行色平均預(yù)測精度如表1所示。

從表1的服裝流行色平均預(yù)測精度可以發(fā)現(xiàn)，本文模型的服裝流行色平均預(yù)測精度要遠(yuǎn)遠(yuǎn)高于其他服裝流行色平均預(yù)測模型，可以更好地發(fā)現(xiàn)服裝流行色的變化趨勢，預(yù)測結(jié)果的優(yōu)勢十分明顯。

3.4 未來服裝流行色預(yù)測

選擇常用的7種服裝顏色作為預(yù)測對象，采用數(shù)據(jù)挖掘技術(shù)對它們進(jìn)行建模與預(yù)測，結(jié)果如圖4所示，對圖4的各種預(yù)測值進(jìn)行對比分析可知，紅色、藍(lán)色作為2017年的服裝流行色，預(yù)測結(jié)果可以為服裝設(shè)計師和服務(wù)企業(yè)提供有用的信息。

4 結(jié) 語

服裝流行色的預(yù)測結(jié)果可以幫助服裝企業(yè)和設(shè)計師掌握未來流行色的相關(guān)信息，為了客觀、準(zhǔn)確地對服裝流行色進(jìn)行預(yù)測，結(jié)合服裝流行色的變化特點(diǎn)，設(shè)計了基于數(shù)據(jù)挖掘的服裝流行色預(yù)測模型。研究結(jié)果表明，該模型可以大幅度降低服裝流行色的預(yù)測誤差，能夠把握服務(wù)流行色的變化趨勢，可以對服裝流行色的不確定性進(jìn)行準(zhǔn)確擬合，預(yù)測結(jié)果可以為服裝銷售、生產(chǎn)提供有用的信息，為復(fù)雜多變的服裝流行色提供了一種研究思路。

參考文獻(xiàn)

[1] 劉國聯(lián)，江影.基于穿著者感性認(rèn)知的服裝款式感性研究[J].紡織學(xué)報，2007，28（11）：101?105.

LIU Guolian， JIANG Ying. Study on Kansei of fashion style based on human sensibility [J]. Journal of textile research， 2007， 28（11）： 101?105.

[2] 張戰(zhàn)天.流行色在服裝設(shè)計中的應(yīng)用[J].藝術(shù)科技，2014（6）：128.

ZHANG Zhantian. The application of fashion color in fashion design [J]. Art science and technology， 2014（6）： 128.

[3] 楊陳.服飾流行色影響因素研究分析[J].染整技術(shù)，2017，39（1）：78?50.

YANG Chen. Analysis of influencing factors of fashion color [J]. Textile dyeing and finishing journal， 2017， 39（1）： 78?50.

[4] 周琴.用回歸分析法預(yù)測服裝流行色[J].絲綢，2005（2）：35?37.

ZHOU Qin. Prediction of fashion colors by regression analysis [J]. Silk journal， 2005（2）： 35?37.endprint

[5] 吳志明，李熠.服裝流行色的色彩意向灰色預(yù)測[J].紡織學(xué)報，2009，30（4）：94?99.

WU Zhiming， LI Yi. Clothing fashion color image scale grey forecast [J]. Journal of textile research， 2009， 30（4）： 94?99.

[6] 李熠，吳志明.基于灰色系統(tǒng)論的服裝流行色預(yù)測研究[J].紡織科技進(jìn)展，2007（4）：77?80.

LI Yi， WU Zhiming. Clothing popular colors forecast studies based on gray system theory [J]. Progress in textile science & technology， 2007（4）： 77?80.

[7] 常麗霞，高衛(wèi)東，潘如如，等.灰色GM（1，1）模型在國際春夏服裝流行色色相預(yù)測中的應(yīng)用[J].紡織學(xué)報，2015，36（4）：128?133.

CHANG Lixia， GAO Weidong， PAN Ruru， et al. Hue prediction on Intercolor for women′s spring/summer using GM（1， 1） models [J]. Journal of textile research， 2015， 36（4）： 128?133.

[8] 吳艷，洪文進(jìn)，史雅杰.應(yīng)用數(shù)字量化的毛衫流行色趨勢預(yù)測方法[J].毛紡科技，2016，44（12）：62?66.

WU Yan， HONG Wenjin， SHI Yajie. Study on knitwear trend forecast based on popular elements of digital quantitative [J]. Wool textile journal， 2016， 44（12）： 62?66.

[9] 狄宏靜，劉冬云，吳志明.基于 BP 神經(jīng)網(wǎng)絡(luò)的春夏女裝流行色預(yù)測[J].紡織學(xué)報，2011，32（7）：111?117.

DI Hongjing， LIU Dongyun， WU Zhiming. Forecast of women′s spring/summer fashion color based on BP neural networks [J]. Journal of textile research， 2011， 32（7）： 111?117.

[10] 吳也哲，翟永超，孫莉.基于灰色前饋神經(jīng)網(wǎng)絡(luò)的流行色預(yù)測[J].東華大學(xué)學(xué)報（自然科學(xué)版），2011，37（2）：199?204.

WU Yezhe， ZHAI Yongchao， SUN Li. A fashion color forecast based on gray back propagation neural network model [J]. Journal of Donghua University （natural science）， 2011， 37（2）： 199?204.

[11] 孫文林，沈捷.基于FRS?SVM的工業(yè)數(shù)據(jù)挖掘研究[J].計算機(jī)應(yīng)用與化學(xué)，2014，31（8）：951?954.

SUN Wenlin， SHEN Jie. Research of the industrial data mining based on FRS?SVM [J]. Computers and applied chemistry， 2014， 31（8）： 951?954.endprint