收藏本站
《东华大学》 2013年
收藏 | 手机打开
二维码
手机客户端打开本文

基于时尚知识管理的服装概念设计方法研究

曹霄洁  
【摘要】:在我国服装行业创新驱动、转型发展的背景下,增强服装品牌的自主研发能力,提高创新概念设计水平是我国迫切需要解决的问题。时尚在很长一段时间内被认为由时装设计师引导,本文认为时尚是在一定的社会背景下客观形成的,而不以人的主观意志为转变,时尚的形成可通过对众多因素客观、精准地综合分析。在当今时尚快速变化的背景下,服装设计工作已不再完全依赖设计师的个人创意,人量的现代化信息科技工具被运用于研发流程中。本文依托国家211重点学科建设子项目“服装艺术创意与流行趋势优化”,提出基于知识管理的理念,运用数据仓库工具模拟原本依赖服装设计师主观判断的时尚知识优化过程,通过决策支持系统形成科学、客观、快速、准确的服装概念设计方法。本文的主要内容为: 一、根据时尚知识管理的需求,提出基于知识管理的时尚数据仓库(Fashion Data Warehouse,简称FDW)的概念,并分析了采用数据仓库技术的必要性和可行性。根据时尚数据仓库体系的特点,构建了时尚数据字典、时尚数据来源、时尚数据整理、时尚数据挖掘和前端决策支持的总体结构。提出时尚数据字典(Fashion Data Dictionary,简称FDD)的概念,包括时尚色彩数据字典、时尚面料数据字典、时尚辅料数据字典、时尚图案数据字典、时尚工艺数据字典、时尚款式数据字典和时尚风格数据字典等,将来源于不同渠道的各种时尚数据进行格式统一。每种数据字典将数据类型、数据层级、数据内容及其标准表示方法进行了整理归纳。本文把时尚数据的抽取来源归纳为流行服装、社会背景和艺术作品,其中流行服装数据来源包括服装秀场、服装市场、服装品牌宣传、目标消费群、服装网店产品、服装和面料展会等,社会背景数据来源包括政治、经济、环境、科技、体育、生活方式等,艺术作品数据来源包括影视剧、美术、设计、音乐、舞台艺术、文学等。本文定义了时尚数据整理规范,包括时尚数据抽取内容、命名规则、转换规范和加载标准,使从各种渠道抽取的时尚数据以标准化的数据格式载入数据仓库 二、论述针对时尚服装知识的多维数据挖掘方法。为了解决对服装设计师获取时尚知识的渠道、数量、质量、理解程度等难以控制的问题,本文从时尚分析的需求和数据挖掘原理出发,提出时尚数据挖掘的概念,建立了OLAP多维数据挖掘模型。论述了时尚服装数据挖掘维表设计,包括时间维、来源维、品牌维、色彩维、面料维、辅料维、图案维、工艺维、款式维、风格维的层次和成员,制定了OLAP星型挖掘模型。根据时尚数据多维化的特性,定义了时尚服装数据方体,以及色彩、面料、辅料、图案、工艺、款式和风格等各维度数据挖掘的方体模型,包括时尚分析目标对象、数据挖掘层次、数据方体设置、挖掘结果示例例及其有效性分析等。时尚数据通过OLAP多维数据挖掘方法能够得到客观的时尚知识,包括时尚色彩、时尚面料、时尚辅料、时尚图案、时尚工艺、时尚款式和时尚风格等。本文提出时尚数据占比统计、排序统计和关键快照的前端报表呈现方式,提供定量、直观的时尚分析结论,作为服装产品概念设计的参考。以时尚色彩为例,展现了OLAP的前端报表的实际效果。同时论述了来源为社会背景和艺术作品数据的OLAP时尚风格挖掘方法。 三、社会背景对时尚风格的形成有着重要影响是服装行业的共识,但两者间的关系研究始终停留在社会学的定性研究。本文研究重点在于将属于隐性知识的社会背景转化为属于显性知识的时尚风格。把服装时尚风格归纳为具备相反特征的“两极型”时尚风格倾向:复古与未来、奢华与简约、保守与个性、中性与性别差异。同时将时尚风格分为现实时尚风格倾向和理想时尚风格倾向两大类。研究了欧美1900年至2009年社会背景中政治、经济、环境、科技事件对时尚风格的影响规律,归纳了社会背景和时尚风格倾向之间的对应关系。本文把社会背景归类成“两极型”和“单极型”指数表示方法,将每类事件按照其不同的特性归纳出极端,并提出社会背景综合指数的概念和获取方法。通过抽取社会背景综合指数的平均值、特异值和指数集中区域,得到时尚风格知识,并通过实例论证了从社会背景隐性知识向时尚风格显性知识的转换的可行性。这种研究方法的优点在于能够通过突破时间限制来细分时尚风格,以及通过突破区域限制分析本土时尚风格。 四、论述了时尚服装概念设计决策支持方法的概念和架构。服装概念设计具有明显的创造性、多解性、层次性、近似性、经验性和综合性特点,是设计过程中最关键和最具创造性的阶段。本文提出采用基于时尚数据仓库的服装概念设计决策支持方法,避免概念设计中的盲目性和主观性,达到客观、准确、高效的目的。本文将服装概念设计定义为用于指导服装新产品开发的时尚创意概念设计,包括风格主题概念,及其对应的色彩、面料、辅料、图案、工艺和款式等概念设计。论述了通过数据仓库进行时尚服装概念主题和服装元素概念设计决策支持的方法。对人机交互进行服装概念设计的架构、流程和界面设计等进行了系统规划,系统决策支持的结果可以储存、导出、共享和更新,以确保服装概念设计知识的积累和重新应用,为设计团队的实时协同工作提供保障。本文进行了基于决策支持的时尚服装概念设计模拟实验,就关键词选择与概念设计对象确立、时尚风格主题概念推荐、主题概念汇总界面、色彩概念设计等方法进行了论证。 本文的创新点主要表现在以下四个方面: 一、提出时尚数据仓库与时尚数据字典的概念和构架。将时尚数据按照数据字典的规范标准进行转换,其中包括服装的色彩、面料、辅料、图案、工艺、款式、风格等各项数据字典,将来源于不同渠道的各种数据进行格式标准化,以满足后续数据挖掘和决策支持功能。 二、提出采用联机分析处理(OLAP)进行时尚服装知识多维数据挖掘的方法。设计了针对时尚服装构成元素的多维数据挖掘立体模型,规定了数据挖掘的各个维度,以及统计报表的多种表现形式。 三、提出利用综合指数将社会背景隐性知识对应转换为时尚风格显性知识的方法,针对时尚风格受社会背景的影响的观点进行了从定性研究向定量研究突破性的尝试。 四、提出一种基于时尚数据仓库的服装概念设计决策支持方法,基于时尚数据仓库,通过数据挖掘提供服装时尚风格主题以及相对应的色彩、面料、图案、工艺、款式等概念设计方案。 本文研究成果将应用于服装企业和行业公共服务平台,协助服装企业提升概念设计的科学性、客观性、准确性和高效性,为我国服装行业的转型升级和提升自主研发水平做出贡献。
【学位授予单位】:东华大学
【学位级别】:博士
【学位授予年份】:2013
【分类号】:TS941.2

【相似文献】
中国期刊全文数据库 前10条
1 李拥军,宫杰,仲海涛;关于包钢营销决策支持系统的体系结构设计[J];包钢科技;2004年03期
2 苏安婕,吴志刚;数据仓库技术在企业中的应用分析[J];中原工学院学报;2002年S1期
3 李学锋;钟叔玉;段希祥;;基于数据仓库的矿山生产经营决策支持系统的应用研究[J];中国矿业;2006年06期
4 顾美芳;陈建明;;基于决策支持的零售业客户关系管理研究[J];苏州大学学报(工科版);2005年06期
5 田原;柳炳祥;;电子商务环境下建筑陶瓷行业CRM解决方案[J];山东陶瓷;2006年01期
6 王泽华;数据信息决策支持系统及其有关技术[J];新疆石油学院学报;2000年01期
7 江洪;屠立;;企业CRM系统实现的关键技术与框架[J];轻工机械;2005年04期
8 刘兴安;;煤矿信息数据挖掘方法的研究[J];煤炭技术;2007年02期
9 傅晶;;我国金融业客户关系管理浅探[J];湖南冶金职业技术学院学报;2007年01期
10 郑华;;基于数据挖掘银行客户关系管理系统构建研究[J];广西轻工业;2008年10期
中国重要会议论文全文数据库 前10条
1 温国锋;李宏艳;王广成;王永生;王成华;马立强;王敏;张巍巍;宁丰荣;岱云;;数据仓库与粗集数据挖掘在建筑管理决策中的应用研究[A];决策与管理研究(2007-2008)——山东省软科学计划优秀成果汇编(第七册·上)[C];2009年
2 肖健;刘杨;沈彩霞;;商业智能(BI)的行业应用[A];广西计算机学会2008年年会论文集[C];2008年
3 刘刚;付忠广;申鹏飞;郑玲;靳涛;;基于发电厂机组数据仓库的数据挖掘系统的研究[A];2004电站自动化信息化学术技术交流会议论文集[C];2004年
4 吕琳;朱东华;刘玉琴;;面向数据仓库的数据预处理研究综述[A];2007年中国智能自动化会议论文集[C];2007年
5 刘复岩;吕韶义;;一个基于数据挖掘应用系统的分析与设计[A];2001中国控制与决策学术年会论文集[C];2001年
6 常培文;郝丽娜;吴光宇;王宛山;;应用粗糙集数据分析方法的设备维修信息系统[A];2003中国控制与决策学术年会论文集[C];2003年
7 郭道宁;舒华英;;数据挖掘在电信运营市场决策支持中的应用[A];中国通信发展与经营管理学术研讨会论文集[C];2003年
8 成明;;吉林省通信公司运营分析与决策支持系统研究[A];科技创新与节能减排——吉林省第五届科学技术学术年会论文集(上册)[C];2008年
9 刘新宇;李庆予;;基于数据仓库与数据挖掘技术的质量控制系统设计与实现[A];第六届全国计算机应用联合学术会议论文集[C];2002年
10 王枫;王志良;;油田数据仓库信息平台管理的实现[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)[C];2006年
中国重要报纸全文数据库 前10条
1 谢立宏博士;企业的“黄金眼”数据挖掘决策支持[N];中国计算机报;2002年
2 王广宇;数据挖掘 加速银行CRM一体化[N];中国计算机报;2004年
3 张立明;数据挖掘之道[N];网络世界;2003年
4 易必特;数据仓库与电信行业决策支持(上)[N];人民邮电;2001年
5 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年
6 段云峰 杨凤年 宋俊德;数据仓库必不可少[N];计算机世界;2002年
7 李立红 朱进;承钢数据挖掘系统建设项目正式实施[N];中国冶金报;2005年
8 ;四层面扩展PB级数据仓库[N];网络世界;2004年
9 裴维玲;呼叫中心与数据挖掘,谁先上?[N];网络世界;2001年
10 ;IBM DB2商业智能软件[N];中国计算机报;2007年
中国博士学位论文全文数据库 前10条
1 曹霄洁;基于时尚知识管理的服装概念设计方法研究[D];东华大学;2013年
2 苏健;基于粗糙集的数据挖掘与决策支持方法研究[D];浙江大学;2002年
3 韩颖;新型农村合作医疗数据挖掘研究[D];山西医科大学;2009年
4 孙丽;工艺知识管理及其若干关键技术研究[D];大连交通大学;2005年
5 朱传华;三峡库区地质灾害数据仓库与数据挖掘应用研究[D];中国地质大学;2010年
6 刘东升;面向连锁零售企业的客户关系管理模型(R-CRM)研究[D];浙江工商大学;2008年
7 孟京辉;经营单位级森林经营数据仓库研建及应用研究[D];中国林业科学研究院;2011年
8 毋贤祥;网络环境下国有企业智能监管研究[D];武汉理工大学;2011年
9 黄静华;支持向量机算法研究及在气象数据挖掘中的应用[D];中国矿业大学(北京);2011年
10 胡志坤;复杂有色金属熔炼过程操作模式智能优化方法研究[D];中南大学;2005年
中国硕士学位论文全文数据库 前10条
1 王东;化玻企业决策支持系统研究[D];南京气象学院;2004年
2 曹建;基于园区网络的教务管理数据挖掘系统[D];西南石油学院;2003年
3 葛斌;煤炭企业ERP理论及应用技术研究[D];安徽理工大学;2005年
4 张琳;邮政客户关系管理系统的设计与实现[D];西安电子科技大学;2009年
5 谌悦斌;基于数据仓库和数据挖掘的客户关系管理系统[D];电子科技大学;2009年
6 韩成勇;高校学评教决策支持系统设计与实现[D];苏州大学;2010年
7 许宏;基于数据仓库的决策支持系统研究[D];南京工业大学;2004年
8 李玉英;数据仓库和数据挖掘在科信学院学生成绩系统的应用研究[D];昆明理工大学;2010年
9 欧广宇;数据仓库在超市配送决策支持中的应用[D];郑州大学;2002年
10 宋鹤飞;数据仓库和数据挖掘在纳税评估中的应用[D];内蒙古大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026