论文部分内容阅读
服装除了要考虑款式、尺寸、花色、光泽等因素外,另一重要是穿着舒适性,而接触舒适性是舒适感知的重要部分。通常,消费者在选购服装时会直接依靠触觉来鉴别面料的质地和物理性质,同时感觉服装作用于皮肤的舒适感。能否根据实际穿着者或购买者的真实感觉,建立对服装接触舒适性的预测,不仅对消费者来说具有实用意义,而且对纺织服装的加工企业有着指导意义。本文在前人研究和表达的基础上,阐述了织物接触舒适感和与之相关的四种感知（刺痒感、刚柔感、冷暖感、粗糙感）及其影响因素;给出接触舒适性预测的研究背景、现状与问题,进而坚实了该研究的基本意义,由此提出了本课题。在本研究中,运用了一种改进的心理评价标尺,选用30名身体健康,年龄在20-30岁的男女学生来评价织物的接触舒适感。鉴于接触舒适感与手感的相关性和某些概念上的模糊认识,本论文对两种感觉进行了单独评价,并比较了两种感觉的相关性及其差异。同时,分析了两种感觉与以上四种感觉因子的关系和差异。在此基础上,设计了一系列客观试验,对客观和主观试验数据进行了服装感觉舒适性预测的建模。首先,采用了多元回归的方法建模。由于回归方程中客观变量繁多,且部分变量与各主观变量的相关性不明显,故本文采用了三种不同的剔除法,即向前剔除法、向后剔除法、逐步引入-剔除法,构建了多元回归模型。回归建模预测结果表明:其一,剔除法多元回归模型对上述意图的实现较好,能选出主要的影响因子,回避变量的非独立性,以保证模型的算法有效并具有一定的拟合预测价值;其二,即便如此,其拟合和预测的精度不高,存在一定的局限。于是,本文采用灰色模型（GM）+径向基神经网络（RBF）的方式,即先用灰色关联理论对客观实验数据进行预处理和筛选,将筛选后的变量构建灰色RBF径向基复合神经网络预测模型,并与回归模型和单一RBFANN模型进行比较,发现该复合模型（GM+RBF）具有很高的拟合精度和良好的泛化预测性能,拟合精度达10-4,对主观感觉评分的泛化预测误差在15%以内,预测结果具有一定的可靠性和实用价值。