CN101034460A - 一种服装在线销售优选号型的方法 - Google Patents

Abstract

本发明公开了一种服装在线销售优选号型的方法，包括以下步骤：采用层次分析法计算个体静态测量尺寸与各候选服装号型对应部位数值之间的静态匹配程度的步骤；采用模糊集理论的思想计算个体自然活动时动态变化后的部位尺寸与各候选服装号型对应部位数值之间的动态匹配程度的步骤；计算综合匹配度找到优选服装号型的步骤。能够很好地解决顾客在线购买服装过程中无法通过亲身试穿确定选购服装号型的问题；可满足Web应用的实时需要，为顾客在线购买服装提供全面、客观、高效、科学的决策参考。

Description

一种服装在线销售优选号型的方法

技术领域

本发明涉及一种服装在线服务的方法，尤其涉及一种服装在线销售优选号型的方法。

背景技术

随着互联网的普及与推广，人们越来越习惯享受网上购物的方便快捷，而服装作为人们消费的必需品，日益成为网络销售产品的主力军。然而，当顾客在线选购服装时，由于在购买之前无法通过试穿来确定最适合自己的服装号型，同时，由于人体体型的多样性和复杂性，按照人们常规的经验判断确定的服装号型并不一定是最合适的号型，导致顾客在线选购服装时犹豫不决，甚至在购买之后退货。

目前，国外的在线服装销售网站大多采用三维测量技术为顾客推荐优选号型。例如Bodymetrics公司用三维扫描仪得到人体测量数据，为顾客建立个人信息卡，在指定网站购买服装可以得到号型推荐、虚拟试穿等服务。三维扫描仪具有扫描时间短、精确度高、测量部位多等优点，已广泛用于服装在线定制与销售，可用来快速获得人体数据，然而，该方法需要顾客到指定地点提供人体尺寸，某种程度上带来了不便。

此外，在此之前，已公开了一些关于服装在线销售过程的信息处理和和网上虚拟试衣的专利。例如，授予韩国汉城株式会社的中国专利200310103863.3公开的在线服装服务系统及其方法和授予沈阳乐金电子有限公的专利200410050468.8公开的利用虚拟模型的服装协调系统及其方法；以及专利200310121785.X公开的在本人图像上进行网络试衣和专利200410038806.6公开的基于互联网的试衣系统。然而，这些专利中都未提及服装在线销售过程中如何根据顾客个体尺寸推荐优选服装号型辅助购物决策的环节。

由于目前采用的号型推荐方法存在着数据获取繁锁，以及人为因素参与的不确定性等问题；同时，考虑到人体着装要进行日常的自然活动，仅仅根据个体的静态测量尺寸进行号型推荐是不够客观和全面的，所以，需要一种不仅人体数据获取方便，而且在统一标准的基础上对人体静态和动态着装合体性综合评价进行优选号型推荐的方法。

目前，我国在面向Internet的服装在线销售号型优选方面的研究和应用方法尚未见报道。

发明内容

本发明的目的在于提供一种服装在线销售优选号型的方法，以克服克服现有技术的中客户购买服装不便，选号数据获取繁琐，号型选择不准的不足，综合考虑顾客的静态和动态着装合体性需求，引入人体在自然活动时的生理舒适要求和形态舒适要求的知识库，提出一种通过计算顾客在线输入的个体测量尺寸与GB1335-97服装号型标准中规定的各候选服装号型对应的人体控制部位统一标准数值之间的静态和动态匹配程度进行优选号型推荐的方法，为顾客在线购买服装提供科学的、高效的决策参考。

为了实现上述目的，本发明采用了如下技术方案：

一种服装在线销售优选号型的方法，包括以下步骤

采用层次分析法计算个体静态测量尺寸与各候选服装号型对应部位数值之间的静态匹配程度的步骤；

采用模糊集理论的思想计算个体自然活动时动态变化后的部位尺寸与各候选服装号型对应部位数值之间的动态匹配程度的步骤；

计算综合匹配度找到优选服装号型的步骤。

所述的计算静态匹配程度的步骤包括

建立层次结构模型；

计算人体静态测量尺寸与服装号型对应部位数值的“偏差”；

构建判断矩阵和一致性检验；

归一化判断矩阵；

计算静态匹配度。

所述的建立层次结构模型是：

接收顾客输入的个体控制部位尺寸；

根据顾客所选服装款式确定优选服装号型所需计算的人体控制部位，作为准则层元素；

根据顾客输入的个体关键控制部位尺寸确定候选的服装号型范围，作为方案层元素，目标层则是适合顾客个体尺寸的优选服装号型。

所述的计算动态匹配程度的步骤包括

计算人体测量尺寸自然活动时的动态变化范围；

构造隶属度函数；

计算动态匹配度。

计算人体静态测量尺寸与服装号型对应部位数值的“偏差”是：设x_j是第j个体测量尺寸j＝1，2，...，n_i，n_i是编号为i的服装类型的号型选择所需人体控制部位尺寸的个数；y_jk是第k个服装号型所对应的第j个个体控制部位规定的数值k＝1，2，...，m，则个体静态测量尺寸与服装号型对应尺寸的“偏差”d_jk为，

                      d_jk＝|x_j-y_jk|    公式(1)

构建判断矩阵和一致性检验是：准则层判断矩阵构建方法是：参考AHP方法的判断数值表确定人体各控制部位对号型优选的重要性的权重，经两两比较得到准则层判断矩阵R_B(ni×ni)，并按照AHP方法的一致性检验步骤检验R_B的一致性；方案层判断矩阵构建方法是：对于每个准则即每个所选控制部位j，将该部位的人体测量尺寸与候选服装号型对应该部位数值的“偏差”d_jk进行两两比较，

$R_j=\left[\begin{array}{cccccc}{\mathrm{\γ}}_{11}^j& {\mathrm{\γ}}_{12}^j& L& {\mathrm{\γ}}_{1k}^j& L& {\mathrm{\γ}}_{1m}^j\\ {\mathrm{\γ}}_{21}^j& {\mathrm{\γ}}_{22}^j& L& {\mathrm{\γ}}_{2k}^j& L& {\mathrm{\γ}}_{2m}^j\\ & L& L& L& L& \\ {\mathrm{\γ}}_{k1}^j& {\mathrm{\γ}}_{k2}^j& L& {\mathrm{\γ}}_{\mathrm{kk}}^j& L& {\mathrm{\γ}}_{\mathrm{km}}^j\\ & L& L& L& L& \\ {\mathrm{\γ}}_{m1}^j& {\mathrm{\γ}}_{m2}^j& L& {\mathrm{\γ}}_{\mathrm{mk}}^j& L& {\mathrm{\γ}}_{\mathrm{mm}}^j\end{array}\right]$ 公式(2)

其中， ${\mathrm{\γ}}_{\mathrm{km}}^j=\frac{d_{\mathrm{jk}}}{d_{\mathrm{jm}}},j=\mathrm{1,2},...,n_i,k=\mathrm{1,2},..,m,$ 得到n_i个方案层判断矩阵R_j(m×m)。

归一化判断矩阵是：首先用公式(3)对判断矩阵的列进行归一化处理，

${{\mathrm{\γ}}^{\′}}_{\mathrm{pq}}={\mathrm{\γ}}_{\mathrm{pq}}/\underset{p=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\γ}}_{\mathrm{pq}}$ 公式(3)

再用公式(4)对以上列归一化结果矩阵的进行行归一化处理，

$w_p=\underset{q=1}{\overset{n}{\mathrm{\Σ}}}{{\mathrm{\γ}}^{\′}}_{\mathrm{pq}}/\underset{p=1}{\overset{n}{\mathrm{\Σ}}}\underset{q=1}{\overset{n}{\mathrm{\Σ}}}{{\mathrm{\γ}}^{\′}}_{\mathrm{pq}}$ 公式(4)

计算静态匹配度是：将准则层对应目标层的权重向量构成的矩阵R_WB与各方案对应每一个准则的权重向量组构成的矩阵R_WS相乘，得到个体静态着装时个体控制部位尺寸与候选服装号型的匹配度M_S。

计算人体测量尺寸自然活动时的动态变化范围是：设(v_j1，v_j2)是综合人体着装舒适要求知识库第j个控制部位最大变化范围，则该顾客在自然活动时的第j个控制部位尺寸变化范围(x_j1，x_j2)可表示为：(x_j+v_j1，x_j+v_j2)。同时，人体动态着装舒适要求没有涉及到的所选人体控制部位如身高、臂长等部位也将视为“变量”，这些部位的动态变化范围均取1cm，即以控制部位数值为中心，上下浮动0.5cm。

构造隶属度函数是：设μ_A(y_jk)是隶属度函数，表示第k个服装号型的第j个控制部位的标准数值与顾客个体第j个控制部位尺寸的动态变化范围(x_j1，x_j2)的隶属程度。(Y_j1，Y_j2)是人体第j个控制部位数值的正常变化范围。μ_A(y_jk)的计算公式如公式(5)所示，

${\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{\mathrm{jk}}\right)=\left\{\begin{array}{cc}0& 0<y_{\mathrm{jk}}\&le;Y_{j1}\\ \frac{1}{2(x_{j1}-Y_{j1})}{y}_{\mathrm{jk}}+\frac{Y_{j1}}{2(Y_{j1}-x_{j1})}& Y_{j1}<y_{\mathrm{ik}}\&le;x_{j1}\\ \frac{1}{x_{j2}-x_{j1}}{y}_{\mathrm{jk}}+\frac{2x_{j2}-3x_{j1}}{2(x_{j2}-x_{j1})}& x_{j1}<y_{\mathrm{jk}}\&le;\frac{x_{j1}+x_{j2}}{2}\\ \frac{1}{x_{j1}-x_{j2}}{y}_{\mathrm{jk}}+\frac{{2x}_{j1}-3x_{j2}}{2(x_{j1}-x_{j2})}& \frac{x_{j1}+x_{j2}}{2}<y_{\mathrm{jk}}\&le;x_{j2}\\ \frac{1}{2(x_{j2}-Y_{j2})}{y}_{\mathrm{jk}}+\frac{Y_{j2}}{2(Y_{j2}-x_{j2})}& x_{j2}<y_{\mathrm{jk}}\&le;Y_{j2}\\ 0& y_{\mathrm{jk}}>Y_{j2}\end{array}\right.$ 公式(5)

计算动态匹配度是：按式(5)计算得到第k个服装号型与顾客个体自然活动时变化后的测量尺寸的 ${\stackrel{\%}{A}}_k=({\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{1k}\right),{\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{2k}\right),...,{\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{n_{i}k}\right))k=\mathrm{1,2},...,m,$ 将

中的元素按式(2)进行归一化处理，得到

将计算静态匹配度的准则层判断矩阵R_B的归一化结果为R_WB，与

组成的矩阵R_WD相乘，得到人体动态着装时人体测量尺寸与各候选服装号型的匹配程度M_D，

                      M_D＝R_WB×R_WD              公式(6)

计算综合匹配度找到最合适号型是：将计算所得的个体控制部位尺寸与可选服装号型的静态着装匹配程度M_S和动态着装匹配程度M_D加权平均，得到顾客测量尺寸与各服装号型的综合匹配度M_F，

$M_F=\frac{M_S+M_D}{2}$ 公式(7)

综合匹配度M_F是一个m维向量，向量元素值越小，说明在静态和自然活动时顾客的个体测量尺寸与该号型对应部位数值越相似，该服装号型穿着越合体。因此，M_F中最小元素值对应的号型即为该顾客推荐的优选号型。

由于采用了上述技术方案，本发明与现有技术相比，具有以下的优点：

本发明既考虑了人体静态测量尺寸与各服装号型的匹配程度，又兼顾了人体在自然活动时人体尺寸动态变化时与各候选服装号型的匹配程度，符合顾客选择服装号型的客观要求，能够很好地解决顾客在线购买服装过程中无法通过亲身试穿确定选购服装号型的问题；同时，采用的计算方法具有计算简单、结果准确等特点，可满足Web应用的实时需要，为顾客在线购买服装提供全面、客观、高效、科学的决策参考。本发明交互简单，使用方便，易于推广，对于我国服装产业的多渠道发展有较重要的研究价值和广泛的应用前景。

附图说明

图1是包括优选号型推荐环节的服装在线销售流程示意图。

图2是服装在线销售优选号型推荐方法计算步骤流程图。

图3是基于AHP的静态匹配程度计算的层次结构模型。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

                                实施例1

如图1所示的优选号型推荐环节的服装在线销售流程示意图

首先，顾客注册个人基本信息，如性别、年龄等，根据顾客注册的基本信息给出顾客需要输入的人体控制部位测量尺寸，生成顾客个体尺寸信息库；其次，顾客在线挑选服装款式，然后根据选购的服装类型和款式推荐优选服装号型；最后顾客根据推荐信息在线选购服装。

其中，优选服装号型推荐过程如下：首先，根据顾客所选服装类型和款式确定优选服装号型所需计算的人体控制部位，再根据顾客输入的所选个体关键控制部位尺寸确定候选的服装号型范围，同时在GB1335-97服装号型标准中查找各候选服装号型相应控制部位的标准数值，通过计算个体静态测量尺寸与各服装号型对应部位数值之间的相似程度，得到个体尺寸与各服装号型的静态匹配程度；其次，考虑到人体自然活动时的着装合体程度，引入人体的生理舒适要求和形态舒适要求，计算所选服装款式所涉及到的人体各控制部位在自然活动时动态变化后的尺寸，通过计算各服装号型控制部位的标准数值“隶属”于个体自然活动时该部位动态变化数值范围的程度，得到个体尺寸与各服装号型的动态匹配程度；最后，综合人体测量尺寸与各服装号型的静态和动态匹配程度，得到面向顾客个体的优选服装号型。

下面结合图2详细说明本发明实现步骤：

1)静态匹配程度计算

采用AHP方法计算个体静态测量尺寸与各候选服装号型对应部位数值之间的静态匹配程度，具体步骤如下：

(1)建立层次结构模型

图3给出了基于AHP的静态匹配程度计算的层次结构模型。

根据顾客所选服装款式确定优选服装号型所需计算的人体控制部位，再根据顾客输入的个体关键控制部位尺寸确定候选的服装号型范围，建立AHP方法的层次结构模型。目标层是适合顾客个体尺寸的优选服装号型；准则层元素是根据顾客所选的服装款式确定优选服装号型所需计算的人体控制部位，不同服装类型的优选所需的个体控制部位也有所不同；方案层元素是根据所涉及的人体控制部位的测量尺寸确定在GB1335-97服装号型标准库中挑选可选号型范围，考虑到人体体型的复杂性和多样性以及服装造型和穿着的习惯，可选服装号型范围是指以身高为标准，包括与身高最接近的三档的所有服装号型系列。

(2)计算人体静态测量尺寸与服装号型对应部位数值的“偏差”

计算所选控制部位的个体测量尺寸与各可选服装号型对应的部位数值的“偏差”，这里的“偏差”取两数值的绝对值。

设x_j是第j个体测量尺寸j＝1，2，...，n_i，n_i是编号为i的服装类型的号型选择所需人体控制部位尺寸的个数；y_jk是第k个服装号型所对应的第j个个体控制部位规定的数值k＝1，2，...，m，则个体静态测量尺寸与候选服装号型对应数值的“偏差”d_jk为：

                      d_jk＝|x_j-y_jk|               公式(1)

(3)构建判断矩阵和一致性检验

a)构建准则层判断矩阵两两比较方法

由于所选的人体各控制部位对号型优选的重要性无法直接定量，只能定性，故确定权重按照AHP的判断数值表：对于挑选最合适号型，准则层中两个控制部位哪一个更重要，重要的程度如何，通常按1～9比例标度对重要性程度赋值，即1表示两个元素相比，具有同样重要性；3表示两个元素相比，前者比后者稍重要；5表示两个元素相比，前者比后者明显重要；7表示两个元素相比，前者比后者强烈重要；9表示两个元素相比，前者比后者极端重要；2，4，6，8表示上述相邻判断的中间值；倒数表示若元素i与j的重要性之比为a_ij，那么元素j与元素i重要性之比为a_ji＝1/a_ij。最后将这些数值进行两两比较得到准则层判断矩阵R_B(ni×ni)。

b)构建方案层判断矩阵

方案层判断矩阵由步骤(2)计算所得的“偏差”求得。对于每个准则即每个所选控制部位j，将该部位的人体测量尺寸与可选服装号型对应该部位数值的静态“偏差”作两两比较，生成n_i个方案层判断矩阵R_j(m×m)，每个判断矩阵均为正互反矩阵。

$R_j=\left[\begin{array}{cccccc}{\mathrm{\&gamma;}}_{11}^j& {\mathrm{\&gamma;}}_{12}^j& L& {\mathrm{\&gamma;}}_{1k}^j& L& {\mathrm{\&gamma;}}_{1m}^j\\ {\mathrm{\&gamma;}}_{21}^j& {\mathrm{\&gamma;}}_{22}^j& L& {\mathrm{\&gamma;}}_{2k}^j& L& {\mathrm{\&gamma;}}_{2m}^j\\ & L& L& L& L& \\ {\mathrm{\&gamma;}}_{k1}^j& {\mathrm{\&gamma;}}_{k2}^j& L& {\mathrm{\&gamma;}}_{\mathrm{kk}}^j& L& {\mathrm{\&gamma;}}_{\mathrm{km}}^j\\ & L& L& L& L& \\ {\mathrm{\&gamma;}}_{m1}^j& {\mathrm{\&gamma;}}_{m2}^j& L& {\mathrm{\&gamma;}}_{\mathrm{mk}}^j& L& {\mathrm{\&gamma;}}_{\mathrm{mm}}^j\end{array}\right]$ 公式(2)

其中， ${\mathrm{\&gamma;}}_{\mathrm{km}}^j=\frac{d_{\mathrm{jk}}}{d_{\mathrm{jm}}},j=\mathrm{1,2},...,n_i,k=\mathrm{1,2},..,m.$

c)一致性检验

由于本发明采用的AHP方法中方案层采用“偏差”计算，故只需对准则层判断矩阵进行一致性检验即可。

对准则层判断矩阵的一致性检验的步骤如下：

i：计算一致性指标CI

$\mathrm{CI}=\frac{{\mathrm{\&lambda;}}_{\max }-n}{n-1}$ 公式(3)

其中，λ_max为判断矩阵的最大特征根，n为矩阵的阶。

ii：查找相应的平均随机一致性指标RI。对n＝1，2，...，9，Saaty给出了RI n＝1，2，...，9的值，分别为0，0，0.58，0.90，1.12，1.14，1.32，1.41，1.45。

iii：计算一致性比例CR

$\mathrm{CR}=\frac{\mathrm{CI}}{\mathrm{RI}}$ 公式(4)

当CR＜0.10时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正。

(4)归一化判断矩阵

a)首先对判断矩阵的列进行归一化，即将矩阵中的每个元素除以它所在列的总和，

${{\mathrm{\&gamma;}}^{\&prime;}}_{\mathrm{pq}}={\mathrm{\&gamma;}}_{\mathrm{pq}}/\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&gamma;}}_{\mathrm{pq}}$ 公式(5)

γ′_pq为判断矩阵中的元素经过归一化后的值。

b)然后对以上列归一化结果矩阵的进行行归一化，即矩阵中的每一行求和，得到该行所对应的准则或方案的相对权值，求的权值同样进行归一化处理：

$w_p=\underset{q=1}{\overset{n}{\mathrm{\&Sigma;}}}{{\mathrm{\&gamma;}}^{\&prime;}}_{\mathrm{pq}}/\underset{p=1}{\overset{n}{\mathrm{\&Sigma;}}}\underset{q=1}{\overset{n}{\mathrm{\&Sigma;}}}{{\mathrm{\&gamma;}}^{\&prime;}}_{\mathrm{pq}}$ 公式(6)

对于准则层判断矩阵R_B，归一化结果为n_i维行向量W_B，组成矩阵R_WB(1×ni)，表示该种服装类型所涉及的不同的控制部位对应于优选合适号型的相对权重。

对于方案层每一个判断矩阵R_j，归一化结果为m维行向量W_s ^j，表示m个候选号型对应于每一个控制部位的权重，最后将n_i个m维向量组成矩阵R_WS(ni×m)。

(5)计算静态匹配度

将步骤(4)求得的准则层对应目标层的权重向量构成的矩阵R_WB与各方案对应每一个准则的权重向量组构成的矩阵R_WS相乘，得到个体静态着装时个体控制部位尺寸与可选服装号型的匹配度M_S。

                      M_S＝R_WB×R_WS                          公式(7)

2)动态匹配程度计算

采用模糊集理论的思想计算个体自然活动时动态变化后的部位尺寸与各候选服装号型对应部位数值之间的动态匹配程度，具体步骤为：

(1)计算人体测量尺寸自然活动时的动态变化范围

人体着装的舒适要求包括两类：生理舒适要求和形态舒适要求。人的生理舒适要求是指服装应满足人体的呼吸等生理运动时的人体相应控制部位变化后的着装舒适要求。形态舒适要求是指服装应满足人体在自然活动如两肢上举、坐下、前屈等活动时人体相应控制部位变化后的着装舒适性要求。

本发明引入模糊集理论的思想计算动态匹配度。人体每个控制部位的通常合理的变化范围看作“U”，GB1335-97中规定的各服装号型相应控制部位标准数值被看成是u_i，则隶属度函数μ_A(u_i)表示各候选服装号型各控制部位的值“隶属”于个体自然活动时该部位动态变化数值范围的程度。

设(v_j1，v_j2)是综合人体着装舒适要求知识库第j个控制部位最大变化范围，则该顾客在自然活动时的第j个控制部位尺寸变化范围(x_j1，x_j2)可表示为：(x_j+v_j1，x_j+v_j2)。例如与上装相关控制部位的生理舒适要求有：当深呼气时胸围尺寸的变化量为0.9cm～4.8cm，平均为2.1cm；形态舒适要求有：上体向前倾斜运动时胸围尺寸呈现增加趋势，增加的幅度随人体向前倾斜运动的姿势及向前倾斜运动的幅度的变化而变化，胸围平均增加4cm。则胸围控制部位的动态变化范围取生理舒适要求和形态舒适要求中该部位的最大变化范围，即(v_j1，v_j2)取(0.9cm～4.8cm)。

为保持数据一致性，人体动态着装舒适要求没有涉及到的所选人体控制部位如身高、臂长等部位也将视为“变量”，这些部位的动态变化范围均取1cm，即以控制部位数值为中心，上下浮动0.5cm。这也符合人体正常的可允许误差范围。例如：身高为162.5cm的变化范围是(162，163)。

(2)构造隶属度函数

设μ_A(y_jk)是隶属度函数，表示第k个服装号型的第j个控制部位的标准数值与顾客个体第j个控制部位尺寸的动态变化范围(x_j1，x_j2)的隶属程度。(Y_j1，Y_j2)是人体第j个控制部位数值的正常变化范围。

当y_jk的值为顾客个体第j个控制部位尺寸的动态变化范围的平均值时，隶属度函数值为最大值1；当y_jk的值等于x_j1或者x_j2的值时，隶属度函数值为0.5，当y_jk的值等于Y_j1或者x_j2的值时，隶属函数值为0，如式(8)所示：

公式(8)

由于μ_A(y_jk)的取值随y_jk的值的变化呈线性关系，所以μ_A(y_jk)可用式(9)计算：

                μ_A(y_jk)＝Ky_jk+B                      公式(9)

根据公式(8)和(9)，可得到μ_A(y_jk)的表达式：

${\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{\mathrm{jk}}\right)=\left\{\begin{array}{cc}0& 0<y_{\mathrm{jk}}\&le;Y_{j1}\\ \frac{1}{2(x_{j1}-Y_{j1})}{y}_{\mathrm{jk}}+\frac{Y_{j1}}{2(Y_{j1}-x_{j1})}& Y_{j1}<y_{\mathrm{ik}}\&le;x_{j1}\\ \frac{1}{x_{j2}-x_{j1}}{y}_{\mathrm{jk}}+\frac{2x_{j2}-3x_{j1}}{2(x_{j2}-x_{j1})}& x_{j1}<y_{\mathrm{jk}}\&le;\frac{x_{j1}+x_{j2}}{2}\\ \frac{1}{x_{j1}-x_{j2}}{y}_{\mathrm{jk}}+\frac{{2x}_{j1}-3x_{j2}}{2(x_{j1}-x_{j2})}& \frac{x_{j1}+x_{j2}}{2}<y_{\mathrm{jk}}\&le;x_{j2}\\ \frac{1}{2(x_{j2}-Y_{j2})}{y}_{\mathrm{jk}}+\frac{Y_{j2}}{2(Y_{j2}-x_{j2})}& x_{j2}<y_{\mathrm{jk}}\&le;Y_{j2}\\ 0& y_{\mathrm{jk}}>Y_{j2}\end{array}\right.$ 公式(10)

(3)计算动态匹配度

按式(10)计算得到第k个服装号型与顾客个体自然活动时变化后的测量尺寸的 ${\stackrel{\%}{A}}_k=({\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{1k}\right),{\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{2k}\right),...,{\mathrm{\&mu;}}_{\stackrel{\%}{A}}\left(y_{n_{i}k}\right)),$ 将

中的元素按式(5)进行归一化处理，得到

由于人体各控制部位相对静态和动态着装时各号型匹配程度相同，所以，将步骤(4)的准则层判断矩阵R_B的归一化结果为R_WB，与 组成的矩阵R_WD相乘，即得到人体动态着装时人体测量尺寸与各候选服装号型的匹配程度M_D：

                M_D＝R_WB×R_WD                         公式(11)

3)计算综合匹配度找到最合适号型

将计算所得的个体控制部位尺寸与可选服装号型的静态着装匹配程度M_S和动态着装匹配程度M_D加权平均，得到顾客测量尺寸与各服装号型的综合匹配度M_F。

$M_F=\frac{M_S+M_D}{2}$ 公式(12)

综合匹配度M_F是一个m维行向量，向量元素值越小，说明在静态和自然活动时顾客的个体测量尺寸与该号型对应部位数值越相似，该服装号型穿着越合体。因此，M_F中最小元素值对应的号型即为该顾客推荐的优选服装号型。

Claims (4)

1.一种服装在线销售优选号型的方法，包括以下步骤

采用AHP层次分析法计算个体静态测量尺寸与各候选服装号型对应部位数值之间的静态匹配程度的步骤；

采用模糊集理论的思想计算个体自然活动时动态变化后的部位尺寸与各候选服装号型对应部位数值之间的动态匹配程度的步骤；

计算综合匹配度找到优选服装号型的步骤。

2.如权利要求1所述的一种服装在线销售优选号型的方法，其特征在于：所述的计算静态匹配程度的步骤包括

建立层次结构模型；

计算人体静态测量尺寸与服装号型对应部位数值的“偏差”；

构建判断矩阵和一致性检验；

归一化判断矩阵；

计算静态匹配度。

3.如权利要求1所述的一种服装在线销售优选号型的方法，其特征在于：所述的建立层次结构模型是：

接收顾客输入的个体控制部位尺寸；

根据顾客所选服装款式确定优选服装号型所需计算的人体控制部位，作为准则层元素；

根据顾客输入的个体关键控制部位尺寸确定候选的服装号型范围，作为方案层元素，目标层则是适合顾客个体尺寸的优选服装号型。

4.如权利要求1所述的一种服装在线销售优选号型的方法，其特征在于：所述的计算动态匹配程度的步骤包括：

计算人体测量尺寸自然活动时的动态变化范围；

构造隶属度函数；

计算动态匹配度。

Images