| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 引言 | 第11页 |
| 1.2 研究背景及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 服装推荐系统研究现状 | 第12-13页 |
| 1.3.2 图像分类识别技术研究现状 | 第13页 |
| 1.3.3 专家系统研究现状 | 第13-14页 |
| 1.4 论文的研究内容和创新点 | 第14-15页 |
| 1.5 论文的章节安排 | 第15-17页 |
| 第二章 服装推荐系统的综合概述 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 系统的需求分析 | 第17-18页 |
| 2.3 系统的整体结构 | 第18-20页 |
| 2.4 系统的功能模块 | 第20-21页 |
| 2.5 系统的开发环境和网络结构模型 | 第21-22页 |
| 2.5.1 开发环境 | 第21页 |
| 2.5.2 网络结构模型 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基于SDM-SVM多分类器的体貌特征自动采集 | 第23-36页 |
| 3.1 引言 | 第23页 |
| 3.2 常见的人脸脸型分类的方法 | 第23页 |
| 3.3 支持向量机SVM的原理介绍 | 第23-26页 |
| 3.3.1 SVM的分类原理 | 第23-25页 |
| 3.3.2 SVM支持向量机多分类器 | 第25-26页 |
| 3.4 基于SDM-SVM多分类器的人脸脸型自动采集设计 | 第26-33页 |
| 3.4.1 SVM算法设计总体描述 | 第26-28页 |
| 3.4.2 人脸图像预处理 | 第28-29页 |
| 3.4.3 人脸脸型轮廓特征点定位 | 第29-32页 |
| 3.4.4 基于Fisher准则的SVM多分类器设计 | 第32-33页 |
| 3.5 实验结果以及分析 | 第33-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于CNN-SVM多分类器的体貌特征自动采集 | 第36-45页 |
| 4.1 引言 | 第36-37页 |
| 4.2 卷积神经网络CNN | 第37-39页 |
| 4.2.1 CNN基本概念 | 第37页 |
| 4.2.2 CNN网络结构模型 | 第37-38页 |
| 4.2.3 CNN训练过程 | 第38-39页 |
| 4.3 Caffe深度学习框架的介绍 | 第39页 |
| 4.4 基于CNN-SVM多分类器的人脸脸型自动采集设计 | 第39-43页 |
| 4.4.1 基于CNN-SVM多分类器的人脸脸型分类模型先进性 | 第39-40页 |
| 4.4.2 基于CNN-SVM多分类器的人脸脸型分类模型介绍 | 第40-42页 |
| 4.4.3 基于CNN-SVM多分类器的人脸脸型分类模型训练方法 | 第42-43页 |
| 4.5 实验结果以及分析 | 第43-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 服装推荐系统的设计 | 第45-57页 |
| 5.1 引言 | 第45页 |
| 5.2 顾客信息采集模块的功能与结构 | 第45-46页 |
| 5.3 服装推荐系统的原理和结构 | 第46-47页 |
| 5.4 服装推荐系统知识库设计 | 第47-49页 |
| 5.4.1 服装搭配知识的获取方式 | 第47页 |
| 5.4.2 服装搭配知识的表示方式 | 第47-48页 |
| 5.4.3 服装搭配知识的规则表 | 第48-49页 |
| 5.4.4 知识库的结构设计 | 第49页 |
| 5.5 服装推荐系统推理机实现 | 第49-54页 |
| 5.5.1 服装推荐系统传统的黑板模型 | 第50页 |
| 5.5.2 黑板模型结构的改进 | 第50-52页 |
| 5.5.3 动态搜索的黑板结构模型的室验结果 | 第52-54页 |
| 5.6 服装推荐系统实际应用 | 第54-56页 |
| 5.7 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 论文总结 | 第57-58页 |
| 6.2 应用展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间已发表的论文 | 第65-66页 |
| 致谢 | 第66页 |
