CN110096807B - 高脚杯意象映射造型的生成方法及系统 - Google Patents

高脚杯意象映射造型的生成方法及系统 Download PDF

Info

Publication number
CN110096807B
CN110096807B CN201910362662.6A CN201910362662A CN110096807B CN 110096807 B CN110096807 B CN 110096807B CN 201910362662 A CN201910362662 A CN 201910362662A CN 110096807 B CN110096807 B CN 110096807B
Authority
CN
China
Prior art keywords
goblet
image
model
seed
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910362662.6A
Other languages
English (en)
Other versions
CN110096807A (zh
Inventor
刘征
王红豆
王昀
邵明
胡国生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Academy of Art
Original Assignee
China Academy of Art
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Academy of Art filed Critical China Academy of Art
Priority to CN201910362662.6A priority Critical patent/CN110096807B/zh
Publication of CN110096807A publication Critical patent/CN110096807A/zh
Priority to US16/862,597 priority patent/US11393140B2/en
Application granted granted Critical
Publication of CN110096807B publication Critical patent/CN110096807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/002D [Two Dimensional] image generation
    • G06T11/20Drawing from basic elements, e.g. lines or circles
    • G06T11/203Drawing of straight lines or curves
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/17Mechanical parametric or variational design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/13Edge detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/06Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20112Image segmentation details
    • G06T2207/20156Automatic seed setting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开一种高脚杯意象映射造型的生成方法,包括以下步骤:基于收集到所有的高脚杯,对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库;基于收集到的高脚杯意象词汇库进行降维处理,建立高脚杯用户意象形容词词对;通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,得到最优高脚杯意象映射造型模型;将用户输入的意象值输入至建立好的最优高脚杯意象映射造型模型,产生符合指标的高脚杯外形。建立高脚杯产品造型与意象形容词之间的映射关系,实现了用户对高脚杯意象造型的需求;结合遗传算法,通过计算机编程技术为高脚杯造型方案的更新和迭代提供了快速有效的新思路。

Description

高脚杯意象映射造型的生成方法及系统
技术领域
本发明涉及计算机辅助设计技术领域,尤其涉及一种高脚杯意象映射造型的生成方法及系统。
背景技术
在高脚杯行业中,每年销售呈现逐年增长的态势。高脚杯的产业需求已经达到近几年之最。在国内,由于经济的提升,国民消费水平的提高,对高脚杯的需求也越来越大,要求也越来越高。而高脚杯作为功能单一性、使用环境单一的产品,产品造型的好坏对其销量有着巨大的影响。所以,研究高脚杯造型可以启发设计师设计出更加符合用户意象的高脚杯造型,从而对高脚杯产业有着举足轻重的影响。
随着功能和技术同质化的日益加剧,高脚杯的外观设计逐渐成为影响消费者决策的决定性因素,各个高脚杯品牌厂商也在通过产品造型赋能来塑造自身的品牌形象,使得产品外观设计具有一定的竞争力、创新力。
全球化进程所带来的激烈市场竞争,迫使企业不断寻求产品的革新,以提高市场竞争力,从而在激烈的市场竞争中赢取生存和发展空间。现代设计理论认为,产品创新设计应该以用户为中心。随着社会产品种类的不断丰富和人民生活质量的日益改善,用户对产品的需求呈现出个性化、多样化的特点。为满足多样化的消费需求,企业势必需要解决如何准确、有效地获取用户的个性化需求这一关键问题。
计算机辅助设计的出现为设计人员的工作带来了巨大的变化,其极大的缓解了传统手工制图设计存在的劳动量大,创新效率低下等缺点。计算机辅助产生的设计结果可以通过计算机生成新的产品造型方案,为设计师提供多种方案进行参考,大大提升了设计师的效率与产量。但是,如何准确获取用户意象及其衍生造型是现在感性工学研究中的难点。
但是现有的计算机辅助设计方案生成系统存在以下不足:
由于产品基数量过大且产品造型方案设计的手法不同,造成曲线造型和部件造型各不相同;
目前对高脚杯的曲线造型研究比较少,取点较难,还没有达成统一要求;
目前曲线造型的产品的设计一般由工业设计师为主导,凭借个人主观审美与经验开展,缺少计算机的支持,同时由于消费者的需求各有不同,导致设计师在不能充分理解消费者需求的情况下,没有精力针对消费者量身定制,这一问题始终困扰在现代工业设计中。
总的来说,是因为还没有做成比较统一的生成方法,就导致目前对高脚杯的研究比较少。
发明内容
本发明针对现有技术中的缺点,提供了一种高脚杯意象映射造型的生成方法及系统。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
一种高脚杯意象映射造型的生成方法,包括以下步骤:
基于收集到所有的高脚杯,基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库;
基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对;
通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型;
将用户输入的意象值输入至建立好的最优高脚杯意象映射造型模型,产生符合指标的高脚杯外形。
作为一种可实施方式,所述基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库,具体过程为:
将收集到的高脚杯进行挑选,挑选出典型样本;
对所有挑选出的典型样本进行高脚杯高度的一致化处理,得到统一高度的高脚杯样本;
对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线;
对高脚杯侧面轮廓的曲线进行造型编码,并对每个高脚杯侧面的轮廓曲线采用贝塞尔曲线进行描点表达处理,得到高脚杯侧面轮廓的描点坐标;
根据高脚杯侧面的描点坐标,得到高脚杯侧面轮廓曲线的坐标值变量,进而得到高脚杯造型特征样本库。
作为一种可实施方式,所述对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线,具体步骤为:
将高脚杯的外形轮廓绘制成贝塞尔曲线,并对高脚杯杯柄宽度及底座不做处理;
在贝塞尔曲线上绘制出若干个坐标点,将若干个坐标点进行描绘,得到高脚杯侧面的轮廓曲线。
作为一种可实施方式,所述基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对,具体步骤为:
收集所有关于高脚杯意象的词汇,形成意象词汇库;
对意象词汇库进行降维处理,得到高脚杯用户意象形容词词对。
作为一种可实施方式,所述通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型,具体步骤为:
以高脚杯造型特征样本库中的典型样本种子作为初始值,并对所述的典型样本种子的侧面轮廓曲线的坐标值进行二进制编码;
获取用户对高脚杯的意象形容词的分数,得到高脚杯型特征样本库与意象形容词之间的关系;
基于遗传算法的交叉率参数,在高脚杯造型特征样本库内选取两个种子,并随机选取一个基因位置,进行交叉遗传生成候选种子进行处理,处理完后将候选种子重新放回种子池即高脚杯造型特征样本库;
遍历整个种子池,根据变异率参数选择相应的种子,基于此相应种子的基因随机选取变异位置,对所述变异位置上基因进行变异操作处理;
获取每个候选种子与典型样本种子的欧式距离,并将欧式距离换算成权重值;
计算种子池中当前种子的意象值,并与典型样本种子的意象值进行比较,得到种子的适应度,选取适应度值最大次数,并保存适应度最大的种子,得到每代适应度最大的种子库,将适应度值最大的种子作为最终方案;
将种子库内的所有种子的意象值相乘,并进行权重值相加,得到最终的意象值,进而得到最优高脚杯意象映射造型模型。
一种高脚杯意象映射造型的生成系统,包括特征样本库建立模块、形容词词对建立模块、模型建立模块和结果获取模块;
所述特征样本库建立模块,用于基于收集到所有的高脚杯,基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库;
所述形容词词对建立模块,用于基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对;
所述模型建立模块,用于通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型;
所述结果获取模块,用于将用户输入的意象值输入至建立好的最优高脚杯意象映射造型模型,产生符合指标的高脚杯外形。
作为一种可实施方式,所述特征样本库建立模块被设置为:
将收集到的高脚杯进行挑选,挑选出典型样本;
对所有挑选出的典型样本进行高脚杯高度的一致化处理,得到统一高度的高脚杯样本;
对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线;
对高脚杯侧面轮廓的曲线进行造型编码,并对每个高脚杯侧面的轮廓曲线采用贝塞尔曲线进行描点表达处理,得到高脚杯侧面轮廓的描点坐标;
根据高脚杯侧面的描点坐标,得到高脚杯侧面轮廓曲线的坐标值变量,进而得到高脚杯造型特征样本库。
作为一种可实施方式,所述特征样本库建立模块被设置为:
将高脚杯的外形轮廓绘制成贝塞尔曲线,并对高脚杯杯柄宽度及底座不做处理;
在贝塞尔曲线上绘制出若干个坐标点,将若干个坐标点进行描绘,得到高脚杯侧面的轮廓曲线。
作为一种可实施方式,所述形容词词对建立模块被设置为:
收集所有关于高脚杯意象的词汇,形成意象词汇库;
对意象词汇库进行降维处理,得到高脚杯用户意象形容词词对。
作为一种可实施方式,所述模型建立模块被设置为:
以高脚杯造型特征样本库中的典型样本种子作为初始值,并对所述的典型样本种子的侧面轮廓曲线的坐标值进行二进制编码;
获取用户对高脚杯的意象形容词的分数,得到高脚杯型特征样本库与意象形容词之间的关系;
基于遗传算法的交叉率参数,在高脚杯造型特征样本库内选取两个种子,并随机选取一个基因位置,进行交叉遗传生成候选种子进行处理,处理完后将候选种子重新放回种子池即高脚杯造型特征样本库;
遍历整个种子池,根据变异率参数选择相应的种子,基于此相应种子的基因随机选取变异位置,对所述变异位置上基因进行变异操作处理;
获取每个候选种子与典型样本种子的欧式距离,并将欧式距离换算成权重值;
计算种子池中当前种子的意象值,并与典型样本种子的意象值进行比较,得到种子的适应度,选取适应度值最大次数,并保存适应度最大的种子,得到每代适应度最大的种子库,将适应度值最大的种子作为最终方案;
将种子库内的所有种子的意象值相乘,并进行权重值相加,得到最终的意象值,进而得到最优高脚杯意象映射造型模型。
本发明由于采用了以上技术方案,具有显著的技术效果:
本发明提出针对高脚杯这类曲线造型的产品计算机辅助方案生成的方法,根据用户输入的意象值,产生满足各意象值指标的高脚杯外形。建立了高脚杯产品造型与意象形容词之间的映射关系,实现了用户对高脚杯意象造型的需求。结合遗传算法,通过计算机编程技术为高脚杯造型方案的更新和迭代提供了快速有效的新思路,为产品创新提供了有效的方法,为企业开展高脚杯造型设计提供建设性的指导意见。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的整体流程示意图;
图2是本发明的整体装置结构示意图;
图3是“小巧的”和形态设计变量H1x的相关性散点图;
图4是轮盘赌选择原理图;
图5是发明的高脚杯侧面轮廓曲线的坐标点。
具体实施方式
下面结合实施例对本发明做进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
实施例1:
一种高脚杯意象映射造型的生成方法,如图1所示,包括以下步骤:
S100、基于收集到所有的高脚杯,基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库;
S200、基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对;
S300、通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型;
S400、将用户输入的意象值输入至建立好的最优高脚杯意象映射造型模型,产生符合指标的高脚杯外形。
在本实施例中,高脚杯底层案例库按照品牌收集,通过网络、杂志等途径搜集市面上最受欢迎和高脚杯包括日本的卢卡里斯(Lucaris),奥地利的RIEDEL,法国的巴卡拉(Baccarat)、莱俪(Lalique),德国的诗杯客乐(Spiegelau)、索雅特(Stolzle),肖特(SCHOTT)等7个品牌,共收集333个底层案例,将高脚杯分为:外扩型、收口外扩型、收口型三大类。大概有13种类型,每种类型挑1个案例,即可得出现代高脚杯的典型案例。
在步骤S100中,所述基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库,具体过程为:
S110、将收集到的高脚杯进行挑选,挑选出典型样本;
S120、对所有挑选出的典型样本进行高脚杯高度的一致化处理,得到统一高度的高脚杯样本;
S130、对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线;
S140、对高脚杯侧面轮廓的曲线进行造型编码,并对每个高脚杯侧面的轮廓曲线采用贝塞尔曲线进行描点表达处理,得到高脚杯侧面轮廓的描点坐标;
S150、根据高脚杯侧面的描点坐标,得到高脚杯侧面轮廓曲线的坐标值变量,进而得到高脚杯造型特征样本库。
此步骤是对收集到的高脚杯进行预处理的过程,处理之后可以得到高脚杯造型特征样本库。
在步骤S130中,所述对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线,具体步骤为:
S131、将高脚杯的外形轮廓绘制成贝塞尔曲线,并对高脚杯杯柄宽度及底座不做处理;
S132、在贝塞尔曲线上绘制出若干个坐标点,将若干个坐标点进行描绘,得到高脚杯侧面的轮廓曲线。
在高脚杯造型曲线量化中,一般采取应用贝塞尔曲线为高脚杯的轮廓进行设计,高脚杯杯肚造型差异较大,有些形状可以用2个点即可表示完整,而有的形状需要4个才能表示完整。考虑到后期在进行遗传算法计算以及相似度分析时计算机运行速度,在此将高脚杯的杯座部分和杯柄的宽度进行定量,只允许杯肚形状和杯柄高度进行变化。在保证贝塞尔曲线表达高脚杯造型时的准确性,试验得出用9个坐标点来表达高脚杯的形状,其中杯座和杯柄的宽度点不变。为了对高脚杯外形轮廓进行提取与表达,量化高脚杯的侧面轮廓曲线,同时进行对比分析,由一条光滑的贝塞尔曲线构成,将13个典型高脚杯的整体高度设置为1000,高脚杯杯柄宽度以及底座对高脚杯造型影响因子较小,故不做变化,其中点6和点1的纵坐标不变,以及点7、点8、点9的横纵坐标不变。这样变量则为点1的横坐标、点2、3、4、5的横纵坐标以及点6的横坐标为变量,一共有9个变量。在相关制图软件中可得出高脚杯的9个点坐标。还对高脚杯侧面曲线进行造型编码,将其侧面轮廓采用贝塞尔曲线进行描点表达,如图5所示。
更进一步地,在步骤S200中,所述基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对,具体步骤为:
S210、收集所有关于高脚杯意象的词汇,形成意象词汇库;
S220、对意象词汇库进行降维处理,得到高脚杯用户意象形容词词对。
本实施例对用户意象形容词对的收集主要通过收集从1998年到2017年近十年有关高脚杯或其他容器类意象造型案例的论文,在网络上搜索高脚杯相关词汇、以及工业设计专家咨询等途径进行收集,初步收集到高脚杯意象形容词96个,并将其进行分类。将意思相近和不具有代表性的词汇筛选掉,得到69个意象形容词。又对69个意象形容词进行检查与筛选,将一些表达意思模糊不清的不属于专业描述感性意象的形容词以及表意存在重复的形容词进行了剔除,最终保留了22个符合用户意象形容词标准的基本词对,如表1所示。
表1初始用户意象形容词对
序号 意象形容词对 序号 意象形容词对
S<sub>1</sub> 个性的——普通的 S<sub>12</sub> 动感的——静止的
S<sub>2</sub> 活泼的——沉稳的 S<sub>13</sub> 圆润的——尖锐的
S<sub>3</sub> 典雅的——庸俗的 S<sub>14</sub> 小巧的——大气的
S<sub>4</sub> 柔美的——阳刚的 S<sub>15</sub> 朴素的——华美的
S<sub>5</sub> 轻巧的——笨重的 S<sub>16</sub> 委婉的——豪放的
S<sub>6</sub> 个性的——普通的 S<sub>17</sub> 阴柔的——阳刚的
S<sub>7</sub> 活泼的——沉稳的 S<sub>18</sub> 典雅的——庸俗的
S<sub>8</sub> 好的——坏的 S<sub>19</sub> 小的——大的
S<sub>9</sub> 冷的——热的 S<sub>20</sub> 新鲜的——陈腐的
S<sub>10</sub> 紧张的——放松的 S<sub>21</sub> 活跃的——被动的
S<sub>11</sub> 粗糙的——光滑的 S<sub>22</sub> 棱角的——圆润的
对意象词汇库进行降维,得到高脚杯用户意象形容词词对,如表2所示。
表2用户意象形容词
序号 用户意象形容词
D1 小巧的——大方的
D2 大众的——个性的
D3 硬朗的——柔美的
D4 现代的——古典的
D5 简洁的——繁琐的
在步骤S300中,所述通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型,具体步骤为:
S310、以高脚杯造型特征样本库中的典型样本种子作为初始值,并对所述的典型样本种子的侧面轮廓曲线的坐标值进行二进制编码;
S320、获取用户对高脚杯的意象形容词的分数,得到高脚杯型特征样本库与意象形容词之间的关系;
S330、基于遗传算法的交叉率参数,在高脚杯造型特征样本库内选取两个种子,并随机选取一个基因位置,进行交叉遗传生成候选种子进行处理,处理完后将候选种子重新放回种子池即高脚杯造型特征样本库;
S340、遍历整个种子池,根据变异率参数选择相应的种子,基于此相应种子的基因随机选取变异位置,对所述变异位置上基因进行变异操作处理;
S350、获取每个候选种子与典型样本种子的欧式距离,并将欧式距离换算成权重值;
S360、计算种子池中当前种子的意象值,并与典型样本种子的意象值进行比较,得到种子的适应度,选取适应度值最大次数,并保存适应度最大的种子,得到每代适应度最大的种子库,将适应度值最大的种子作为最终方案;
S370、将种子库内的所有种子的意象值相乘,并进行权重值相加,得到最终的意象值,进而得到最优高脚杯意象映射造型模型。
在步骤S350中,权重值能够与适应度计算相加得到高脚杯意象映射造型回归函数,使高脚杯意象映射造型模型更加准确。
整个步骤S300包含了建立高脚杯型特征样本库与意象形容词之间的关系以及对意象值进行优化的过程,即也就是对高脚杯意象映射造型模型进行优化的过程,进而得到最优高脚杯意象映射造型模型,这样当用户输入意象值时,预测出的高脚杯模型才会更加准确。
在步骤S300中,对高脚杯意象映射造型进行问卷调查,得到用户意象词汇与高脚杯形态之间的关系数据。对用户意象词汇与形态设计变量关系模型进行相关性分析。由表3和表4可以得到13款高脚杯关于用户意象形容词打分平均值以及他们各自侧视顶型线的坐标值。表3采用的提取方法为主成份分析。目的是要得到用户意象形容词与形态设计变量之间的关系,在这里将用户意象形容词定义为因变量,形态设计变量定义为自变量。进而将这些数据导入SPSS软件内,通过回归分析的来得到二者的关系模型。
表3解释的总方差表
Figure BDA0002047307890000081
Figure BDA0002047307890000091
表4高脚杯外轮廓图与用户意象词汇调查量表
D1 D2 D3 D4 D5
V1 2.57 4.42 4.88 3.65 2.99
V2 4.88 3.59 4.52 3.83 3.58
V3 3.18 3.55 2.52 2.51 2.23
V4 5.57 3.70 4.51 3.86 3.29
V5 4.16 5.59 4.50 3.75 5.03
V6 5.25 2.16 4.86 3.38 2.84
V7 3.47 5.55 2.79 2.68 3.69
V8 4.76 4.16 2.88 3.57 3.68
V9 2.64 3.69 4.92 3.43 2.63
V10 5.32 5.10 5.08 3.71 3.64
V11 5.38 5.23 4.92 4.42 4.92
V12 3.13 5.14 2.96 2.72 2.55
V13 5.26 4.42 3.06 3.49 3.94
进而得到18个控制变量对应的量化坐标,如表5,高脚杯样本用Vi来表示(=1,2,...,)
表5为13款高脚杯侧面轮廓量化坐标
H1x H1y H2x H2y H3x H3y H4x H4y H5x H5y H6x H6y H7x H7y H8x H8y H9x H9y
V1 152 1000 176 906 223 694 200 516 30 424 11 300 11 72 72 30 210 0
V2 189 1000 293 931 361 731 288 512 22 403 11 300 11 72 72 30 210 0
V3 83 1000 90 913 118 660 102 550 15 448 11 300 11 72 72 30 210 0
V4 128 1000 136 826 169 677 268 607 28 500 11 300 11 72 72 30 210 0
V5 106 1000 164 883 119 764 71 569 29 397 11 300 11 72 72 30 210 0
V6 178 1000 209 905 270 714 342 519 188 404 11 300 11 72 72 30 210 0
V7 103 1000 60 912 92 746 104 523 25 442 11 300 11 72 72 30 210 0
V8 144 1000 127 926 210 718 212 616 19 431 11 300 11 72 72 30 210 0
V9 180 1000 135 850 191 654 232 537 174 381 11 300 11 72 72 30 210 0
V10 335 1000 335 934 418 753 371 617 20 482 11 300 11 72 72 30 210 0
V11 298 1000 233 911 75 695 14 613 14 454 11 300 11 72 72 30 210 0
V12 128 1000 110 901 78 712 47 532 30 444 11 300 11 72 72 30 210 0
V13 281 1000 241 856 195 707 148 543 31 499 11 300 11 72 72 30 210 0
在步骤S320中,将用户意象词汇打分的数值取众数,以下是实验过程:
表6用户意象词汇打分众数汇总表
Figure BDA0002047307890000092
Figure BDA0002047307890000101
将数据放入spss中进行回归分析,结果如下:一D1“小巧的”为例,得出意象词汇D1与形态变量H2x的相关性散点图,如图3所示,可以看出,线性并不明显。
在优化过程中,采用的算法输入为:
本实施例遗传算法的输入是5个-3到3的意象词对,分别代表小巧的,大众的,硬朗的,现代的,简洁的,意象值的范围是-3到3,比如第一个意象词,3表示不小巧,-3表示非常小巧。算法的目标是根据用户输入意象值,产生满足各意象值指标的高脚杯外形。
本实施例采用的遗传算法简介:
本实施例的遗传算法采用的种子数为13个,均是抽取了高脚杯里面的典型代表,对这些高脚杯通过用户问卷调查获取到意象值。
遗传算法以这13个种子作为初始,先对这些种子进行编码,本算法采用两类编码方式,一种是二进制编码,另外一种是格雷码编码,通过下列处理流程进行遗传操作:
基因交叉算法
根据交叉率参数,通过随机的从种子里面选取两个种子,随机选取一个基因位置,对两个基因进行交叉处理,处理完后,重新放回种子池;
基因变异算法
遍历一遍整个种子池,根据变异率参数,从种子池里选出种子,然后在该种子的基因,随机选取变异位置,对该位置上基因进行变异操作,比如0变1,1变0;
选择操作算法
选择操作采用轮盘赌选择算法,通过基因交叉和变异,种子的适应度都会发生变化,需要通过选择算法,把那些适应度高的种子留下来,轮盘赌选择算法,首先计算所有种子的适应度值,对适应度值进行转化,确保所有的适应度值都大于0,进而对适应度值进行一个归一化处理,把适应度值转化成概率,计算出累计概率;
群体中每一基因指定饼图中一个小块。块的大小与基因的适应性分数成比例,适应性分数愈高,它在饼图中对应的小块所占面积也愈大。为了选取一个基因,要做的就是旋转这个轮子,直到轮盘停止时,看指针停止在哪一块上,就选中与它对应的那个基因。产生一组与种子基因个数相同的0到1的随机数,进行轮盘赌选择,在圆盘上占比最大的基因最有可能被选择。这就是轮盘赌选择的原理,通过以上步骤的操作,我进行适应度函数值的计算,选出最优种子保存下来,然后跳到第1步继续循环遗传算法的步骤。当循环次数达到指定次数时,停止循环,从每次选择的最优种子中,选出全局最优的种子,作为算法给出的结果;
适应度函数作为遗传算法的终止条件,采用以下方法:
采用形状相似度作为权重,与原始13个种子的意象值打分相乘,进行权重相加,得到最终的意象值,该适应度函数对生成的形状约束较大,不易产生较大变异,但是可控度很高。
优化过程完毕后,得到最终的意象值,进而得到最优高脚杯意象映射造型模型。当,用户输入意象值,通过最优高脚杯意象映射造型模型能产生满足各意象值指标的高脚杯外形。
实施例2:
一种高脚杯意象映射造型的生成系统,如图2所示,包括特征样本库建立模块100、形容词词对建立模块200、模型建立模块300和结果获取模块400;
所述特征样本库建立模块100,用于基于收集到所有的高脚杯,基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库;
所述形容词词对建立模块200,用于基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对;
所述模型建立模块300,用于通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型;
所述结果获取模块400,用于将用户输入的意象值输入至建立好的最优高脚杯意象映射造型模型,产生符合指标的高脚杯外形。
更加进一步地,所述特征样本库建立模块100被设置为:
将收集到的高脚杯进行挑选,挑选出典型样本;
对所有挑选出的典型样本进行高脚杯高度的一致化处理,得到统一高度的高脚杯样本;
对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线;
对高脚杯侧面轮廓的曲线进行造型编码,并对每个高脚杯侧面的轮廓曲线采用贝塞尔曲线进行描点表达处理,得到高脚杯侧面轮廓的描点坐标;
根据高脚杯侧面的描点坐标,得到高脚杯侧面轮廓曲线的坐标值变量,进而得到高脚杯造型特征样本库。
另外,所述特征样本库建立模块100被设置为:
将高脚杯的外形轮廓绘制成贝塞尔曲线,并对高脚杯杯柄宽度及底座不做处理;
在贝塞尔曲线上绘制出若干个坐标点,将若干个坐标点进行描绘,得到高脚杯侧面的轮廓曲线。
更佳具体地,所述形容词词对建立模块200被设置为:
收集所有关于高脚杯意象的词汇,形成意象词汇库;
对意象词汇库进行降维处理,得到高脚杯用户意象形容词词对。
另外,所述模型建立模块300被设置为:
以高脚杯造型特征样本库中的典型样本种子作为初始值,并对所述的典型样本种子的侧面轮廓曲线的坐标值进行二进制编码;
获取用户对高脚杯的意象形容词的分数,得到高脚杯型特征样本库与意象形容词之间的关系;
基于遗传算法的交叉率参数,在高脚杯造型特征样本库内选取两个种子,并随机选取一个基因位置,进行交叉遗传生成候选种子进行处理,处理完后将候选种子重新放回种子池即高脚杯造型特征样本库;
遍历整个种子池,根据变异率参数选择相应的种子,基于此相应种子的基因随机选取变异位置,对所述变异位置上基因进行变异操作处理;
获取每个候选种子与典型样本种子的欧式距离,并将欧式距离换算成权重值;
计算种子池中当前种子的意象值,并与典型样本种子的意象值进行比较,得到种子的适应度,选取适应度值最大次数,并保存适应度最大的种子,得到每代适应度最大的种子库,将适应度值最大的种子作为最终方案;
将种子库内的所有种子的意象值相乘,并进行权重值相加,得到最终的意象值,进而得到最优高脚杯意象映射造型模型。
本发明的系统也提出针对高脚杯这类曲线造型的产品计算机辅助方案生成的方法,根据用户输入的意象值,产生满足各意象值指标的高脚杯外形。建立了高脚杯产品造型与意象形容词之间的映射关系,实现了用户对高脚杯意象造型的需求。结合遗传算法,通过计算机编程技术为高脚杯造型方案的更新和迭代提供了快速有效的新思路,为产品创新提供了有效的方法,为企业开展高脚杯造型设计提供建设性的指导意见。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是:
说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此,说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
此外,需要说明的是,本说明书中所描述的具体实施例,其零、部件的形状、所取名称等可以不同。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化,均包括于本发明专利的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。

Claims (10)

1.一种高脚杯意象映射造型的生成方法,其特征在于,包括以下步骤:
基于收集到所有的高脚杯,基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库;
基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对;
通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型;
将用户输入的意象值输入至建立好的最优高脚杯意象映射造型模型,产生符合指标的高脚杯外形。
2.根据权利要求1所述的高脚杯意象映射造型的生成方法,其特征在于,所述基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库,具体过程为:
将收集到的高脚杯进行挑选,挑选出典型样本;
对所有挑选出的典型样本进行高脚杯高度的一致化处理,得到统一高度的高脚杯样本;
对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线;
对高脚杯侧面轮廓的曲线进行造型编码,并对每个高脚杯侧面的轮廓曲线采用贝塞尔曲线进行描点表达处理,得到高脚杯侧面轮廓的描点坐标;
根据高脚杯侧面的描点坐标,得到高脚杯侧面轮廓曲线的坐标值变量,进而得到高脚杯造型特征样本库。
3.根据权利要求2所述的高脚杯意象映射造型的生成方法,其特征在于,所述对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线,具体步骤为:
将高脚杯的外形轮廓绘制成贝塞尔曲线,并对高脚杯杯柄宽度及底座不做处理;
在贝塞尔曲线上绘制出若干个坐标点,将若干个坐标点进行描绘,得到高脚杯侧面的轮廓曲线。
4.根据权利要求1所述的高脚杯意象映射造型的生成方法,其特征在于,所述基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对,具体步骤为:
收集所有关于高脚杯意象的词汇,形成意象词汇库;
对意象词汇库进行降维处理,得到高脚杯用户意象形容词词对。
5.根据权利要求2所述的高脚杯意象映射造型的生成方法,其特征在于,所述通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型,具体步骤为:
以高脚杯造型特征样本库中的典型样本种子作为初始值,并对所述的典型样本种子的侧面轮廓曲线的坐标值进行二进制编码;
获取用户对高脚杯的意象形容词的分数,得到高脚杯型特征样本库与意象形容词之间的关系;
基于遗传算法的交叉率参数,在高脚杯造型特征样本库内选取两个种子,并随机选取一个基因位置,进行交叉遗传生成候选种子进行处理,处理完后将候选种子重新放回种子池即高脚杯造型特征样本库;
遍历整个种子池,根据变异率参数选择相应的种子,基于此相应种子的基因随机选取变异位置,对所述变异位置上基因进行变异操作处理;
获取每个候选种子与典型样本种子的欧式距离,并将欧式距离换算成权重值;
计算种子池中当前种子的意象值,并与典型样本种子的意象值进行比较,得到种子的适应度,选取适应度值最大次数,并保存适应度最大的种子,得到每代适应度最大的种子库,将适应度值最大的种子作为最终方案;
将种子库内的所有种子的意象值相乘,并进行权重值相加,得到最终的意象值,进而得到最优高脚杯意象映射造型模型。
6.一种高脚杯意象映射造型的生成系统,其特征在于,包括特征样本库建立模块、形容词词对建立模块、模型建立模块和结果获取模块;
所述特征样本库建立模块,用于基于收集到所有的高脚杯,基于高脚杯的高度对收集到的高脚杯进行预处理,建立高脚杯造型特征样本库;
所述形容词词对建立模块,用于基于收集到的高脚杯意象词汇库,对意象词汇库进行降维处理,基于处理结果建立高脚杯用户意象形容词词对;
所述模型建立模块,用于通过高脚杯造型特征样本库和高脚杯用户意象形容词词对,得到高脚杯造型和意象形容词之间的关系,并确立出最优意象值,所述最优意象值对应的高脚杯意象映射造型模型即为最优高脚杯意象映射造型模型;
所述结果获取模块,用于将用户输入的意象值输入至建立好的最优高脚杯意象映射造型模型,产生符合指标的高脚杯外形。
7.根据权利要求6所述的高脚杯意象映射造型的生成系统,其特征在于,所述特征样本库建立模块被设置为:
将收集到的高脚杯进行挑选,挑选出典型样本;
对所有挑选出的典型样本进行高脚杯高度的一致化处理,得到统一高度的高脚杯样本;
对统一高度的高脚杯样本的外形轮廓进行提取处理,得到高脚杯侧面的轮廓曲线;
对高脚杯侧面轮廓的曲线进行造型编码,并对每个高脚杯侧面的轮廓曲线采用贝塞尔曲线进行描点表达处理,得到高脚杯侧面轮廓的描点坐标;
根据高脚杯侧面的描点坐标,得到高脚杯侧面轮廓曲线的坐标值变量,进而得到高脚杯造型特征样本库。
8.根据权利要求7所述的高脚杯意象映射造型的生成系统,其特征在于,所述特征样本库建立模块被设置为:
将高脚杯的外形轮廓绘制成贝塞尔曲线,并对高脚杯杯柄宽度及底座不做处理;
在贝塞尔曲线上绘制出若干个坐标点,将若干个坐标点进行描绘,得到高脚杯侧面的轮廓曲线。
9.根据权利要求7所述的高脚杯意象映射造型的生成系统,其特征在于,所述形容词词对建立模块被设置为:
收集所有关于高脚杯意象的词汇,形成意象词汇库;
对意象词汇库进行降维处理,得到高脚杯用户意象形容词词对。
10.根据权利要求7所述的高脚杯意象映射造型的生成系统,其特征在于,所述模型建立模块被设置为:
以高脚杯造型特征样本库中的典型样本种子作为初始值,并对所述的典型样本种子的侧面轮廓曲线的坐标值进行二进制编码;
获取用户对高脚杯的意象形容词的分数,得到高脚杯型特征样本库与意象形容词之间的关系;
基于遗传算法的交叉率参数,在高脚杯造型特征样本库内选取两个种子,并随机选取一个基因位置,进行交叉遗传生成候选种子进行处理,处理完后将候选种子重新放回种子池即高脚杯造型特征样本库;
遍历整个种子池,根据变异率参数选择相应的种子,基于此相应种子的基因随机选取变异位置,对所述变异位置上基因进行变异操作处理;
获取每个候选种子与典型样本种子的欧式距离,并将欧式距离换算成权重值;
计算种子池中当前种子的意象值,并与典型样本种子的意象值进行比较,得到种子的适应度,选取适应度值最大次数,并保存适应度最大的种子,得到每代适应度最大的种子库,将适应度值最大的种子作为最终方案;
将种子库内的所有种子的意象值相乘,并进行权重值相加,得到最终的意象值,进而得到最优高脚杯意象映射造型模型。
CN201910362662.6A 2019-04-30 2019-04-30 高脚杯意象映射造型的生成方法及系统 Active CN110096807B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910362662.6A CN110096807B (zh) 2019-04-30 2019-04-30 高脚杯意象映射造型的生成方法及系统
US16/862,597 US11393140B2 (en) 2019-04-30 2020-04-30 Method and system for generating imagery mapping modeling of goblet

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910362662.6A CN110096807B (zh) 2019-04-30 2019-04-30 高脚杯意象映射造型的生成方法及系统

Publications (2)

Publication Number Publication Date
CN110096807A CN110096807A (zh) 2019-08-06
CN110096807B true CN110096807B (zh) 2022-12-02

Family

ID=67446638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910362662.6A Active CN110096807B (zh) 2019-04-30 2019-04-30 高脚杯意象映射造型的生成方法及系统

Country Status (2)

Country Link
US (1) US11393140B2 (zh)
CN (1) CN110096807B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111339652A (zh) * 2020-02-23 2020-06-26 西安理工大学 感性信息“转嫁-映射”下的产品造型情感化设计方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080154808A1 (en) * 2006-10-20 2008-06-26 Genalytics, Inc. Use and construction of time series interactions in a predictive model
TWM335219U (en) * 2008-01-09 2008-07-01 Fang-Liang Huang Paper goblet frame structure
EP2331944B1 (en) * 2008-09-05 2014-03-12 Optosecurity Inc. Method and system for performing x-ray inspection of a liquid product at a security checkpoint
US9818150B2 (en) * 2013-04-05 2017-11-14 Digimarc Corporation Imagery and annotations
WO2014169238A1 (en) * 2013-04-11 2014-10-16 Digimarc Corporation Methods for object recognition and related arrangements
US9280560B1 (en) * 2013-12-18 2016-03-08 A9.Com, Inc. Scalable image matching
US9697233B2 (en) * 2014-08-12 2017-07-04 Paypal, Inc. Image processing and matching
JP2019008337A (ja) * 2015-10-26 2019-01-17 三郎 山内 物体識別システム、物体識別方法、プログラム及びコンピュータ記憶媒体
US9727775B2 (en) * 2015-12-01 2017-08-08 Intel Corporation Method and system of curved object recognition using image matching for image processing
US10664722B1 (en) * 2016-10-05 2020-05-26 Digimarc Corporation Image processing arrangements
CN108596051A (zh) * 2018-04-04 2018-09-28 浙江大学城市学院 一种面向产品风格意象的智能识别方法

Also Published As

Publication number Publication date
CN110096807A (zh) 2019-08-06
US11393140B2 (en) 2022-07-19
US20200349747A1 (en) 2020-11-05

Similar Documents

Publication Publication Date Title
Alcaide-Marzal et al. A 3D shape generative method for aesthetic product design
CN111368077B (zh) 一种基于粒子群位置更新思想灰狼优化算法的K-Means文本分类方法
Doordan On materials
CN108564117B (zh) 一种基于svm的贫困生辅助认定方法
CN105279148B (zh) 一种app软件用户评论一致性判断方法
CN110096807B (zh) 高脚杯意象映射造型的生成方法及系统
CN105740354B (zh) 自适应潜在狄利克雷模型选择的方法及装置
CN104679868B (zh) 一种基于数据间关联关系的遗漏数据填补方法
CN111414753A (zh) 产品感性意象词汇提取方法及系统
CN111859932A (zh) 一种文本摘要的生成方法、装置、电子设备及存储介质
CN113761114A (zh) 短语生成方法、装置和计算机可读存储介质
CN104408281B (zh) 一种用于便携式酒壶设计的混杂型交互式进化优化方法
CN114493443A (zh) 数据处理方法、装置、电子设备和计算机可读存储介质
CN113010931A (zh) 一种服装设计优化方法及系统
CN102063292B (zh) 一种和声编制方法及装置
Chen et al. A divide-and-conquer-based approach for diverse group stock portfolio optimization using island-based genetic algorithms
CN103793504B (zh) 一种基于用户偏好与项目属性的聚类初始点选择方法
CN114997959A (zh) 一种电子智造产品营销推荐方法
CN109191234B (zh) 一种综合服装推荐方法、装置和存储介质
CN109003142B (zh) 多目标驱动的产品形态基因网络模型构建方法
CN111611455A (zh) 一种微博热点话题下基于用户情感行为特征的用户群体划分方法
CN109740756A (zh) 数据离散化方法、装置和服务器
CN112825159B (zh) 气化工艺参数区间确定装置及方法
CN111402098B (zh) 基于儿童成长期的智慧早教方法、系统、设备、存储介质
Al Ghifari et al. FORMATION OF AN OPTIMAL PORTFOLIO OF LQ45 SHARES USING MARKOWITZ METHOD

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant