买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江南大学

摘要：本发明公开了一种基于图像理解的纺织面料个性化推荐的方法，包括步骤：对面料文本进行描述，主要考虑纹理、颜色分布以及图案形状三个方面；对已有数据集中的面料图像进行表征；多源异构数据提取的文本特征、图像手工特征和深度网络神经特征进行压缩，减少处理速度；采用关系型异构数据库完成对用户数据的采集，完成对面料推荐系统用户标签体系的构建；使用多层次的用户画像模型，完成对用户的群体细分；挖掘数据库中丰富的转换型特征以及生成准确的潜在用户向量表示；将探索循环神经网络挖掘会话上下文的序列关系，动态的融入推进系统；通过交互手段捕获用户对推荐系统的显示或者隐式评价，完成对推荐系统的持续优化。

主权项：1.一种基于图像理解的纺织面料个性化推荐的方法，其特征在于，包括以下步骤：步骤1：对面料文本进行描述，考虑纹理、颜色分布以及图案形状三个方面；从多元异构数据中，提取包括产品类别、属性、颜色、纹理周期及纹理复杂度面料图像的信息，对面料图像的纹理和颜色进行全局、综合表征；步骤2：对已有数据集中的面料图像进行表征，使用面料风格、图案、组织结构及图案成型方式等视角的标注信息对织物进行表征；所述的步骤2中，采用颜色矩、灰度共生矩阵、ORB特征描述子、小波描述子、LBP特征描述子，对面料图像进行手工特征描述；基于低层特征的面料描述，针对不同颜色的纱线一般呈周期性排列从而形成不同的花纹和图案，把握面料图像的主色，联合颜色矩和主色用于表征面料图像的颜色特征；使用多视角引导模型学习面料图像表征，用面料风格、图案、组织结构及图案成型方式等视角的标注信息引导模型进行织物表征，面料不同视角之间会有损失，使用公式对其进行加权求和： 步骤3：对多源异构数据提取的文本特征、图像手工特征和深度网络神经特征进行压缩，减少处理速度；通过多源异构数据提取的文本特征、图像手工特征和深度神经网络特征，采用哈希编码、乘积量化等方法和图像特征进行压缩，从而减少处理速度；采用堆叠RBM的DBF进行特征融合与抽象，提取抽象的高层语义特征；步骤4：采用关系型异构数据库完成对用户数据的采集，实现和发挥用户画像技术，完成对面料推荐系统用户标签体系的构建；以网络日志的形式将用户在系统中的行为数据存储，对数据进行整理，获取完整数据，并将数据分割为使用数据分析的特征字段，对数据特征字段进行数据清洗，排除无用数据；使用流失主动学习动态地对用户的行为特征进行量化，如公式： 使用可能性C-均值聚类PCM完成对面料推荐系统用户标签体系的构建，采用模糊聚类的目标函数： 步骤5：使用多层次的用户画像模型，完成对用户的群体细分；步骤6：挖掘数据库中丰富的转换型特征以及生成准确的潜在用户向量表示；步骤7：将探索循环神经网络挖掘会话上下文的序列关系，动态的融入推进系统；步骤8：通过交互手段捕获用户对推荐系统的显示或者隐式评价，完成对推荐系统的持续优化。

全文数据：

权利要求：

百度查询： 江南大学 一种基于图像理解的纺织面料个性化推荐方法