基于空间向量角的乳房形态分类与文胸合体性评估OA北大核心CSTPCD

采用空间向量角来表征乳房形态,提出了一种青年女性乳房三维形态分类方法。首先获取209名18~25岁青年女性的乳房三维点云数据,并构建了6个乳房形态空间向量角作为聚类指标,采用k-means聚类,以手肘法确定最佳聚类数,运用学习向量量化神经网络(Learning vector quantization, LVQ)构建乳房形态判别模型,实现女性乳房形态的细分与判别。对细分后的乳房类型制作相应的文胸样板,通过虚拟试衣和实物试穿进行合体性评估,结果表明:青年女性乳房占比最多的为70B文胸号型,乳房细分为适中内敛型、平坦低胸位型、丰满外扩型。构建的LVQ神经网络青年女性乳房形态判别模型,准确率达93.33%。数字化服装压力和真实试穿实验表明,细分后的文胸合体性得到了有效提高,为不同类型乳房的文胸合体性结构设计提供参考。