文摘
为了提高少数民族服装的设计效果,根据少数民族服装设计的需要,本文利用数据挖掘技术和物联网技术构建一个聪明的民族服装设计系统和构建一个智能服装设计系统能够满足客户需求的基于人机交互的概念。在数据处理中,本文使用约束谱聚类算法的拉普拉斯算子矩阵和约束矩阵作为输入,最后输出向量聚类指标改善少数民族服装设计的数据处理效果。最后,本文验证系统的性能设计本文通过实验。从实验研究,可以知道少数民族服装设计系统基于物联网和数据挖掘构建本文有一定的效果,可以有效地提高少数民族服装的设计效果。
1。介绍
的服装,每个民族都有自己的特定模式。这些模式元素丰富的主题和丰富多彩,与不同的风格和模式有其独特的意义,历史悠久。这些模式是服装设计师的灵感缪斯。他们不仅丰富传统民族服装的风格,但也给许多设计师带来很多灵感。数字服装设计是现代数字技术的应用领域的服装,从而促进少数民族服装的发展和民族文化的继承1]。
因为每个地方的地理环境和风俗习惯不同,文化背景和审美的角度也不同,这使得少数民族服装的风格多样化。其中,礼服,长袍,头风格等是主要的形式。其中,头饰尤为重要,内容相对丰富。各种蜡染面料,和长围巾包裹在了头上。因为这些材料和匹配和演示的方式是不同的,多样化的民族服装也更生动、具体。民族服装的独特工艺的主要原因是丰富多彩的少数民族服装(2]。少数民族做衣服所使用的原材料主要包括植物和动物。工厂原材料包括棉花、亚麻制品,兽皮和丝绸产品是所有动物原材料。北方的原材料主要是动物皮,虽然棉和亚麻织物在南方的少数民族占多数。的一个主要方法展示少数民族服装的特点是工艺。这种方法通常是直接用于服装加工、面料、蜡染和雕刻等,有些配件的形式来反映国家的特点。打动人们的民族服装是他们的不同形状和鲜艳的颜色。模式在服装的少数民族占据着重要的地位,发挥着深情的效果,从而显示了少数民族的文化信息,和大多数的模式源于生活和自然3]。
本文结合物联网和数据挖掘技术来分析少数民族服装设计的元素和构造一个数字服装设计平台根据实际需要的服装设计。此外,本文构造了一个体系结构概念的基础上,少数民族服装设计来改善少数民族服装设计的影响。
2。相关工作
在国外,MIRALAB实验室虚拟服装项目建立了Nadia Thalmann在瑞士日内瓦大学的在这个领域取得更好的结果,主要包括开发和研究虚拟人体和虚拟世界。英国的主要工作”电子商务中心3 d虚拟服装项目4)是建立一个虚拟的网上服装店。客户利用互联网把服装图片他们选择与自己的照片创建一个逼真的效果,使虚拟穿着效果更现实的和三维的和输出效果更为现实。这个项目为用户提供了更便利的条件在网上买衣服,也成为服装的商业化趋势(5]。在许多情况下的勘探和开发领域的虚拟服装展示系统和虚拟展馆在国外,如美国格柏,垫在加拿大,复活节在德国,西班牙INVESTRONIE [6),而在法国Lectra的“设计”项目。这些探索提供了前所未有的创新理念为服装行业的发展和开放的用户体验的新方法。同时,应用程序相关的3 d建模技术和碰撞检测技术也极大地促进了虚拟服装展示系统的发展7]。从另一个角度来看,这也是一个服装的内涵的进一步解释和分析。目前,一些国内相关领域的探索也一直在进行。
随着数字技术的快速发展,文化遗产的有机结合与现在已经成为一个热点。这个信息革命以数字技术有重大影响等许多领域的科学和技术,经济,军事,文化,艺术,和数字技术也包括在内。此外,数字技术的出现不仅有利于传统文化的发展,也打破了各种文化的相对封闭的状态(8]。在当前文化遗产保护领域,利用虚拟现实技术来展示传统文化显然已经成为一种趋势,并已取得初步结果在虚拟漫游和国内外文物保护9]。因此,如何充分利用数字技术传播,保护和发展传统文化资源,有效地学习和借鉴前辈的经验,更好的维护人类文化多样性的肯定会是一个重大的发展,我们需要共同面对的问题(10]。
文献[11]试图恢复虚拟文化遗产与3 d技术。一些中小博物馆依靠相关行业的支持,科研院所、院校开展相关研究。例如,法国的“水彩画项目”可以为博物馆提供网络共享和在线浏览服务及其它相关机构在欧洲。意大利虚拟博物馆实现意大利的庞贝古城的繁殖,和法国考古学家迪迪埃Bussen数字巴黎达索系统的帮助下实现的。此外,德国也ECHN推出的欧洲文化遗产网络扮演着一个重要的角色在数字欧洲文化遗产的保护。“美国记忆工程”由国会图书馆数字图书馆整合相关文件(12]。在美国弗吉尼亚大学启动了虚拟古罗马系统经过十年(13]。游客可以近距离观察建筑的精美浮雕通过虚拟现实技术,享受现实的感官体验,古人以前从来没有14]。奥地利“汉弗莱二世”15完全再现了林茨市通过虚拟现实并完成整个系统的经验与吊模拟飞行控制器和三维显示设备。由此产生的效果是非常现实的。也就是说,当用户被暂停时,他们可以观察前面的图片通过立体眼镜,他的眼睛进行多种感觉的融合互动,获得高度的浸。此外,荷兰,德国,瑞典,和欧洲其他发达国家也积极开展虚拟现实技术的研究和应用16]。
3所示。少数民族服装设计的聚类挖掘算法
介绍了必须关联和cannot-link反映数据点之间的约束关系。必须关联要求两个数据采样点必须属于同一类,和这种关系被描述为 。然而,cannot-link要求两个数据采样点必须不属于同一类,和这种关系可以被描述为 (17]。
必须关联和cannot-link都是布尔函数。在一些特定列的数据集X的数据对象x我和xj众所周知,如果x我和xj是相似的,那么他们应该分成相同的类,然后呢 。如果x我和xj不相似,那么它们应该分成不同的类,然后呢 。图1显示了成对约束信息聚类过程的作用。
(一)
(b)
(c)
(d)
图1(一)显示了需要集群的数据样本集,人物1 (b)显示了一个聚类的情况,但这是错误的聚类结果,图1 (c)显示正确的聚类结果。从这三个数据,我们可以得出以下结论。添加约束信息之前,结果如图1 (b)是错误的聚类结果,并将有效约束添加到数据集可以提高聚类的准确性。图1 (d)添加约束信息。其中,对实箭头表示数据点连接的两个数据点必须属于同一类别,而一双虚线表示数据点连接的两个数据点必须属于不同的类别。
成对约束只能表达在样品表面的约束关系,所以仅仅使用约束算法中的信息可能会导致奇点在聚类过程中弥补问题。这里的奇异点抵消意味着点必须连接被认为是未连接或无法连接的点被认为是相关的。(1)动词必须关联和cannot-link: , (2)必须关联和cannot-link:对称
我们提供一个图G与N顶点,W作为其相似矩阵(亲和矩阵),然后呢W是对称的。D度矩阵相似矩阵吗W,其公式如下(18]:
拉普拉斯算子矩阵的G是l=D−W。
因为谱聚类的Ncut优化是一个np难问题,优化的放松形式。优化公式如下:
其中, u是指标向量的放松形式。优化问题是找到第二个最小的特征值下的特征向量l。真正的双向部门由分配采样点相当于将积极的采样点划分为一种类型,和消极的到另一个类型。
然而,事实上,拉普拉斯算子矩阵l往往是产生噪音或有偏见的样本来自底层的分布,导致计算指标向量u不同于真实价值向量u。为了找到指标向量u这更接近真正的结果u最常见的一种方法是添加一些约束谱聚类的信息使它成为一个约束谱聚类算法:
所需的指标向量u现在计算拉普拉斯矩阵吗l和约束矩阵О。在上面的公式中, 是一个对称约束矩阵,图的配对样本点之间的关系G如下:(1)问ij> 0意味着样本点我和采样点j应该分为同一类别(2)Oij< 0意味着样本点我和采样点j应该分成不同的类别(3)问ij= 0意味着样本点之间的关系我和采样点j是未知的
约束分为硬约束和软约束。硬约束,问ij= 1意味着必须关联,问ij=−1意味着cannot-link。软约束的价值问ij表明约束的力量。
因此, ,在哪里 是真相指标向量。问是迄今为止查询的约束矩阵。可想而知,一个非零矩阵问总是完成的一个子集矩阵 。该算法的目标是实现最好的结果几乎没有约束查询,即最小化之间的区别 事实上指标向量 。该算法可以概括为以下三个步骤。
步骤1。算法初始化约束矩阵问0作为一个零矩阵,然后使用约束谱聚类算法ζ计算当前聚类指标向量u(0)。在这个时候,u(0)应该相当于价值计算的无约束谱聚类算法:
步骤2。后计算u(0),该算法假设t,
步骤3。该算法使用选择策略来决定选择的下一个项目 。然后,该算法可以更新和迭代计算从通过复制的价值来和 。这里的约束矩阵都是对称的。更新公式如下(19]:
步骤3。重复这个步骤,直到迭代终止条件。在步骤3中使用的积极的选择策略是随机选择。首先,最初的约束矩阵问是一个单位矩阵,(我,J)是一组坐标
在问矩阵,tmp是一个数字随机选择的长度我。在这个时候,
,和本文计算坐标(我,j),在这个时候,
约束谱聚类算法的基础上添加约束信息谱聚类,形成一种新的算法。选择的约束对进一步提高聚类的精度和效率。此外,约束谱聚类算法将增加约束对提高聚类精度。然而,约束谱聚类算法对密度并不敏感,也就是说,样本有一个很大的局部密度时,传统的约束谱聚类算法的聚类效果不是很好。为了克服这个缺点,共享最近邻算法增加了约束谱聚类算法。
约束谱聚类算法采用拉普拉斯算子矩阵l和约束矩阵О作为输入,最后输出向量聚类指标u。该算法的目标是使用约束最小查询u接近
,即(20.]:
前面提到的算法是一个优化问题Ncut的放松形式。目标函数公式所示(4);u是指标向量,是需要的成本最小化。第一个约束
是规范化的指标向量u,第二个约束
不包括的主要特征向量l最简单的解决方案,因为它不能定义一个有意义的图上的割集G。在本文中,使用一个相同的目标函数,而不是使用u,然后公式(4)成为
在哪里
被称为规范化拉普拉斯。公式(12)相当于公式(4),因为最优解的公式(12)。
是公式的最优解,我们必须首先发现了什么然后找到最优的解决方案从
。众所周知,测量约束的程度问满足集群配置,公式如下:
其中,
是一个下限,
的真正价值而不是满足所有的约束问。通过替换u与
,上述约束变得
,在哪里
是归一化约束矩阵。目标函数(12)这个时候就以下目标函数(21]:
本文增加了共享附近邻居的想法,这是一个相对较新的相似性度量方法,它可以调整根据当地密度数据点之间的相似性。研究人员发现,如果两个点属于同一集群中,他们应该坐落在同一地区,有一个相对较高的密度,而且会有很多点,两点之间的重叠。为了表达这两个点之间的胶合状态,它是由附近的邻居(SNN)共享。SNN (x我,xj)代表邻居共享的采样点的数量x和x在k社区。SNN (x我,xj)反映了当地的密度x我和xj点,这有助于正确地把采样点。SNN适应当地密度数据。它可以用来改善数据点之间的相似性。摘要相似度矩阵的计算方法是SNN算法和高斯内核算法的结合。公式如下:
其中,和欧几里得距离点吗x我和点xj他们最近的k邻居,分别。他们可以自动调整自己的时间根据这两个点之间的稀疏或密集分布在指定的社区。可以看出该算法增强了同一个类之间的相似度,同时削弱不同阶层之间的相似性。由于集群数据集在一些密集的地区,基于共享附近邻居的相似性度量方法可以反映采样点的分布在一个更好的方法。
算法的流程图如图2。
4所示。少数民族服装设计系统基于物联网和数据挖掘
功能划分和流程设计进行了分析从少数民族服装设计业务。在整个系统的层面上,它不仅包括业务逻辑的设计,但还需要支持底层的无线个域网传输网络和射频识别技术。我们完成的整体系统框架设计监督平台基于前面的调查。图3图显示了系统物理框架。
有许多物理模拟方法和物理模拟通常是通过有限元分析。在这个时候,服装需要离散。这一步将直接影响后续的物理特性仿真和实际显示效果。数据4和5显示少数民族服装的质点弹簧模型的设计。
(一)
(b)
(c)
的选择和评价少数民族服装风格,主要有两种情况。一是客户可以选择提供的少数民族服饰系统来满足他们的需求。另一个是客户不满意的民族服饰提供的系统,需要寻找民族服饰的集合,满足条件的建议,直到他们感到满意。同时,在上述的基础上,有必要考虑是否存在问题改进建议的细节风格(如图6)。
在第二种情况下,客户不能找到一个满意的风格从风格推荐的系统。在这个时候,我们需要知道的是系统的推荐是否有偏见在哪个方向,如图7。
系统可以结合用户的不同需求,根据专家知识存储在系统中,推荐一批少数民族服装类似客户的需求通过向用户推荐算法。系统的总体结构如图8。
根据模块化设计的思想,上面的内容在系统的形式表达一系列相对独立的模块。系统软件结构图如图所示9,系统主要分为三个模块:知识管理,少数民族服装的建议,和客户知识获取。每个模块分为几个子根据自己的特点和需要。
上述系统设计后,本文对少数民族服装设计对系统的影响本文通过仿真软件和结构系统。此外,本文运用专家评价方法来验证系统设计的影响,计算多组数据,并画出相应的统计图表,如表所示1和图10。
从上面的实验研究中,我们可以看到少数民族服装设计系统基于物联网和数据挖掘构建本文有一定的效果,可以有效地提高少数民族服装的设计效果。
5。结论
少数民族服饰元素的组合和数字服装设计不仅满足需求和法律的服装设计在数字时代,但也大大增强了其可行性和可操作性。同时,少数民族服装的构成元素是相对复杂的,包括多元化的民族风格,饰品,民族服装材料,生产技术,和传统服饰图案和颜色。因此,有关设计师秉承实事求是的工作原则,增加强调数字服装设计,强调少数民族服饰元素的特点和颜色。根据少数民族服装设计的需要,本文利用数据挖掘技术和物联网技术构建一个聪明的民族服装设计系统和构建一个智能服装设计系统能够满足客户需求的基于人机交互的概念。最后,本文验证系统的性能设计本文通过实验。从实验研究,可以知道少数民族服装设计系统基于物联网和数据挖掘构建本文有一定的效果,可以有效地提高少数民族服装的设计效果。
数据可用性
标签数据集用于支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究受到了以下几点:(1)2018年广东省“创新强学校工程”建设项目为青年创新人才:应用研究数字宣传和保护岭南少数民族服装是案例研究她的国籍(2017 wqncx186);(2)2018年广东本科教学质量和教学改革项目:网上开放课程数字图像处理;(3)高等教育教学改革项目(重点基金):研究和实践教学模式的高校艺术设计专业(2020 yjjg005)。