摘要：针对消费者参与度低导致的服装个性化定制平台接受度不高问题,利用界面交互设计软件Figma对服装个性化定制平台进行设计,并对平台的整体架构、交互组件、关键技术及设计效果进行详细探讨。结果表明:在服装定制平台的设计中,字号、背景底色及系统布局是影响用户交互体验的主要因素;字号在深色系统模式中的差异要小于浅色系统模式;用户交互行为受背景底色的影响小于受交互区配色的影响。

摘要：以分别沾染奶渍、食物残渣、油渍、汗渍及泥渍的婴儿纯棉针织连体衣作为实验样品,探究了不同水温、水量、洗涤时间、洗涤转速、漂洗次数、洗涤剂用量对洗净率的影响。研究发现各洗涤参数对不同污渍洗净率的影响不同:奶渍洗净率影响因素显著关系从大到小依次为洗涤剂用量、洗涤时间、漂洗次数、水温、水量、洗涤转速;食物残渣洗净率影响因素显著关系从大到小依次为水量、洗涤转速、漂洗次数、洗涤时间、洗涤剂用量、水温;油渍洗净率影响因素显著关系由大到小依次为水温、洗涤剂用量、洗涤转速、洗涤时间、漂洗次数、水量;汗渍洗净率影响因素显著关系从大到小依次为漂洗次数、水量、洗涤转速、洗涤时间、洗涤剂用量、水温;泥渍洗净率影响因素显著关系从大到小依次为水量、洗涤剂用量、漂洗次数、洗涤转速、洗涤时间、水温。研究结果可为洗衣机厂家研发适合不同污渍的洗护程序提供指导,为正确洗护沾染污渍的衣物提供参考。

摘要：为解决目前羽毛绒材料定价主要依据经验而缺乏理论支撑和预测精度较低的问题,本文提出利用长短期记忆网络(LSTM)深度学习方法对羽毛绒材料价格进行自定义研究,以2015年-2020年6年的羽绒金网数据为依据,对其构建模型进行训练求解,并与线性自回归移动平均(ARIMA)数理统计模型和最小二乘支持向量机(LS-SVM)浅层机器学习模型预测效果进行对比分析。结果表明:在长期预测中,预测精度从高到低依次为ARIMA模型、LS-SVM模型、LSTM深度学习预测模型;在短期预测中,预测精度从高到低依次为LSTM深度学习预测模型、LS-SVM模型、ARIMA模型。同时还发现:无论长期短期预测中,不同种类的羽毛绒价格预测精度趋势相同,即预测精度仅与资本属性有关,与资本所述类别无关。研究结论既可为羽毛绒企业进行羽毛绒材料准确定价提供理论依据,也为人工智能技术广泛应用于量化投资领域提供实践经验。

摘要：为揭示精洗工艺条件对羽绒材料洗后性能影响的作用机制,以初洗后羽绒材料作为实验对象,系统探究了精洗阶段中不同水温、浴比、主洗时间、洗涤转速、漂洗次数、洗涤剂用量与羽绒材料洗后各项性能的关系。研究发现:影响羽绒材料洗后清洁度的主要因素依次为水温、洗涤剂用量、主洗转速、洗涤时间,而主洗浴比、漂洗浴比、漂洗转速、漂洗次数对其影响相对较小;精洗工艺条件对羽绒材料蓬松度的影响不大,但过长的洗涤时间和过大的洗涤转速会使清洗后的羽绒材料蓬松度下降;精洗工艺对羽绒材料洗后残脂率和耗氧量的影响趋势相同,即影响羽绒材料洗后残脂率和耗氧量的主要因素依次均为水温、洗涤剂用量、主洗时间、主洗转速,而漂洗次数、主洗浴比、漂洗浴比、主洗转速的影响相对较小;影响羽绒材料洗后气味的主要因素依次为洗涤剂用量、漂洗次数、浴比(主洗浴比和漂洗浴比)、水温,而洗涤转速、主洗时间、漂洗转速的影响相对较小。研究结果可为羽绒厂家研发高效绿色清洁工艺提供理论指导与技术支撑。

摘要：为解决目前仅通过增加篮球服结构放松量来满足篮球运动人体活动需要宽松度的问题,提出以运动过程人体体型变化为研究对象,通过对篮球运动过程人体体型的正面、背面、侧面形态变化特征进行分析,并以此为基础,进行篮球服装结构优化设计,并借助穿着实验评测其优化效果。结果表明:膝关节、胯部、臀部、肩关节、腋窝部位在篮球运动过程中,其形态变化最明显,其变化程度显著影响服装相应部位的结构尺寸、形状及面料要求,并验证了以此为基础进行的结构优化设计的合理性。