كاربرد شبكه عصبي خودسازمان دهنده براساس داده كاوي براي ايجاد جدول اندازه لباس

Applying Self-organizing Neural Network Based on Data Mining to Establish a Clothing Size Chart

استخراج اطلاعات مناسب از ميان انبوه داده ها و تبديل آنها به دانش، نيازمند استفاده از روشهاي نوين است. داده كاوي يكي از اين ابزارها و رويكردهاست كه در فضاي مديريت دانش به كشف دانش از پايگاه داده ها كمك مي كند. شبكه هاي عصبي خودسازمان دهنده بي شك از كارآمدترين شبكه هاي موجود براي داده كاوي است. پژوهش حاضر، جدول اندازه لباس را معرفي ميكند كه بر اساس اندازه هاي گرفته شده از 2000 زن يزدي است. متغيرهاي ورودي مهم معرفي شده به شبكه عصبي شامل اندازه سه ناحيه دور سينه، دور كمر و دور باسن است. در اين پژوهش، گروه هاي اندازه لباس متفاوت با استفاده از مدل شبكه عصبي خودسازمان دهنده بررسي شده است. نتايج حاصل از به كارگيري شبكه هاي خود سازمان دهنده، نمايانگر وجود چهار گروه اندازه موثر است كه بر اساس كمترين ميانگين خطا دسته بندي شده اند.

Extracting appropriate information from infinite number of data requires modern methods. Data mining is one of these tools and approaches that may help in the area of knowledge management in knowledge discovery from the databases. Self-organizing neural network is undoubtedly the most powerful neural networks for data mining. This paper presents a size chart that has been developed based on measurements taken from 2000 women of Yazd. The important input variables have been defined as the chest, waist and hip measurements. In this study, the different size clusters have been investigated through self-organizing neural network model. The results of using the self-organizing neural network indicate that there are four effective size groups that are categorized based on the lowest mean error.