春夏女裝流行色的層次聚類分類方法

盧雨正， 高衛(wèi)東， 常麗霞

(江南大學， 江蘇 無錫 214122)

?

春夏女裝流行色的層次聚類分類方法

盧雨正， 高衛(wèi)東， 常麗霞

(江南大學， 江蘇 無錫 214122)

采用層次聚類分析方法對春夏女裝流行色進行分類，按照流行色預案間的色差距離對女裝流行色進行量化分類。以2007至2015年國際流行色協(xié)會發(fā)布的春夏女裝流行色預案為數(shù)據(jù)樣本，采用層次聚類的聚合算法對流行色預案進行分類，之后依照色彩類別出現(xiàn)頻次，將所得類別分為繼承類色彩類別和創(chuàng)新性色彩類別，研究色差閾值與聚類結果的關系。實驗結果顯示，在色差閾值為10.40時，春夏流行色預案可形成12個繼承類色彩類別，且繼承類色彩所占比例達到38.8%，形成的繼承類色彩類別及各類別色彩分布體現(xiàn)了春夏女裝流行色分布的特點。

流行色； 色差； 層次聚類； 分類

流行色是一種社會心理產(chǎn)物，是指某個時期內人們對于某類產(chǎn)品的某種或者某幾種色彩產(chǎn)生的共同美感的心理反應，也就是人們共同的帶有傾向性的色彩需求。在時尚消費領域，如汽車、家裝、首飾、服裝等領域，流行色起著至關重要的作用，其中服裝流行色是近年來發(fā)展迅速，也是最完善的流行色種類，每年各國各協(xié)會都會提前約24個月發(fā)布相關服裝流行色信息。

服裝流行色對于服裝產(chǎn)業(yè)的重要性是不言而喻的，關于服裝流行色的特征分析，流行規(guī)律的預測等研究近年來也從未停止。吳志明等[1]采用灰色系統(tǒng)，以2000—2006年春夏女裝藍色色調為基礎，對藍色調服裝流行色的色彩意向性進行了預測；吳也哲等[2]對灰色系統(tǒng)結合前饋神經(jīng)網(wǎng)絡進行色彩預測的系統(tǒng)進行了優(yōu)化，利用Levenberg-Marquardt算法對預測系統(tǒng)進行優(yōu)化，顯著提升預測速度；Lin等[3]以日本流行色協(xié)會發(fā)布的1995—1999 年日本男裝秋冬流行色為研究對象，通過研究其色相色調所占比例的變化，提出基于灰色系統(tǒng)理論、灰色神經(jīng)網(wǎng)絡的服裝流行色預測研究；常麗霞等[4]利用馬爾科夫鏈的理論以2007—2011年國際春夏女裝流行色為原始數(shù)據(jù)，對流行色趨勢進行預測，結果顯示對藍色調的預測精度較高；Choi等[5]分別應用馬爾可夫鏈模型、灰色預測模型、神經(jīng)網(wǎng)絡模型、灰色神經(jīng)網(wǎng)絡模型對服裝流行色進行預測，發(fā)現(xiàn)采用灰色神經(jīng)網(wǎng)絡模型預測效果最好；Yu[6]以日本流行色協(xié)會發(fā)布的1996—2000 年日本男裝秋冬流行色色相、色調統(tǒng)計數(shù)據(jù)為研究對象，分別應用自回歸移動平均法、灰色系統(tǒng)系列模型、神經(jīng)網(wǎng)絡系列模型、灰色神經(jīng)網(wǎng)絡組合模型展開對服裝流行色的預測研究。流行色的預測往往基于流行色自身分布特點進行，因此學者們也對流行色自身分布特點進行了研究，常麗霞等[7-8]對流行色色彩預案進行了特征量化分析發(fā)現(xiàn)，流行色各年預案之間存在較高相似性，同時研究分析了潘東公司、國際流行色協(xié)會以及《國際紡織品流行趨勢雜志》3家權威機構發(fā)布的春夏流行色預案進行了量化分析，得出3家機構發(fā)布的信息在純度色相的分布中存在一定共性。

目前關于流行色的研究主要以對流行色發(fā)展趨勢的預測為主，以歷史數(shù)據(jù)為依托，推演流行色色調、色相等色彩分量的變化與發(fā)展。由于色彩構成是由色相、明度、飽和度等多因素共同構成，因此單純預測某個因素的變化發(fā)展規(guī)律并不能獲得較為準確的流行色預案，不能體現(xiàn)流行色本身繼承性與創(chuàng)新性并存的特點[9]。本文以2007—2015年國際流行色協(xié)會發(fā)布的春夏女裝流行色預案為基礎，以層次聚類分析的方法，根據(jù)色彩間的色差距離對流行色進行分類。分類過程中選擇國際照明委員會(Commission Internationale de L′Eclairage，簡稱CIE)的色差公式為距離度量依據(jù)，根據(jù)不同聚類閾值要求下流行色預案層次聚類的分類特點，結合各類別流行色出現(xiàn)頻率特點，將流行色分為繼承性類別和創(chuàng)新性類別，研究流行色繼承性類別分類特征，為實現(xiàn)流行色預測提供理論參考。

1 層次聚類

1.1 層次聚類算法

層次聚類算法其實質是通過對已知數(shù)據(jù)集按照某種規(guī)定進行層次分解，直到滿足某種條件為止，可分為合并算法和分裂算法，本文針對流行色分布自身特點，選擇合并算法觀察流行色分類結果[10]。

層次聚類算法中的合并聚類，在每一次合并中減少樣本數(shù)量，形成新的樣本集，聚類產(chǎn)生的結果源于上一步2個類聚合的結果，合并的要求是將相互靠近的離散區(qū)域進行合并。在合并過程中需要判斷2離散類之間的距離，判別方法有最短距離法、最長距離法、中間距離法、重心法等[11]。本文目標是獲得流行色分類類別，需要考慮各個類別內部色彩數(shù)量對類間距離的影響，因此選用重心法，當2離散類重心的距離小于閾值，就將2個類別進行合并。具體計算過程如下：

(1)

式中：Di,j表示類別i與類別j之間的距離，若類別j由類別m和類別n合并而成，N表示對應類別的樣本數(shù)量；以ω代表類別，若ωz類別是由ωx、ωy2類合并而成，ωz=ωx∪ωy，則再需滿足如下條件：

(2)

式中T為設定的距離閾值，Dx, y表示類別x、y之間的距離。

1.2 層次聚類算法距離計算公式

本文的目標是依據(jù)流行色預案之間的色差，對流行色進行分類，而色差就是層次聚類中距離的重要表征。色差度量方式有很多，不同的色彩空間下，色差度量方式不盡相同，與RGB(紅Red，綠Green，藍Blue)、CMYK(青色Cyan，品紅Magenta，黃色Yellow，定位套版黑色Key Plate)等空間相比，Lab(L表示亮度Luminosity，a表示色相從洋紅色至綠色，b表示色相從黃色至藍色)色彩空間在度量色差時具有明顯的優(yōu)勢。Lab色彩空間的設計目的是使色彩空間的設計接近人類視覺的感知均勻性，其中L分量用來描述人類對色彩亮度的感知，而a、b分量則分別代表色彩紅綠通道以及黃藍通道的色相位置。

基于CIELab色彩空間的色差度量方式很多，標準的計算公式有CIEL*a*b*1976、CIEDE2000[12]公式。為減少計算過程中運算負擔，選用CIEL*a*b*1976色差公式[12]進行色差度量，具體如式(3)所示：

(3)

式中：△E為色差距離；L、a、b分別為Lab空間的3個色彩分量。

2 實驗部分

2.1 樣 本

以國際流行色協(xié)會發(fā)布的2007—2015年春夏女裝流行色預案為研究對象，收集其對應的彩通pantone色彩標號，獲得共計389個流行色預案。

根據(jù)CIEL*a*b*1976色度測量方法[13]，采用Gretag Macbeth Color-eye 7000A分光光度計，在CIE標準光源D65下，獲得對應Pantone色卡的Lab數(shù)值。為保證測試結果的準確性，每個色卡測試3次，取平均值。以389個色彩預案的Lab數(shù)值為原始數(shù)據(jù)，進行后續(xù)分析。

2.2 距離閾值

在層次聚類過程中，閾值T的選擇尤為重要，隨著T數(shù)值的不斷增大，流行色分類結果中各類所對應的色彩范圍進一步擴大，其中包含的色彩數(shù)量進一步提升。

在本文的研究中，T值代表的是色差距離，T值越小，則表示分類結果中各色彩樣本越接近，在視覺上越接近一類，但是形成的類別包含的色彩數(shù)量越少；T值越大，樣本團聚效果優(yōu)越，則類內各色彩樣本差異越大，分類結果的實際意義不足，因此，在選取T值時，選取1～30之間間隔0.05作為不同的距離閾值，對分類結果進行檢驗。

2.3 聚類結果判定依據(jù)

流行色分布具有繼承性和創(chuàng)新性特點，因此將聚類結果分為2個類別：繼承性類別和創(chuàng)新性類別。繼承性類別色彩的類別數(shù)以及其所包含的樣本所占比例，是聚類結果的評價指標，也是判斷距離閾值取值的重要依據(jù)。

1)繼承性色彩類別判定。層次聚類所獲色彩類別屬于繼承性色彩類別還是創(chuàng)新性色彩類別，可根據(jù)類別中所包含色彩在各年份出現(xiàn)的頻次加以界定，凡是所屬類別色彩在9個年份中出現(xiàn)過6次及6次以上(超過2/3)的，該類別被定義為繼承類色彩類別。不同層次聚類閾值T對應的繼承類色彩數(shù)量是聚類結果的考核指標之一。以字母D表示繼承類色彩類別，R表示創(chuàng)新類色彩類別，繼承類色彩類別的數(shù)量用M表示。

2)繼承性色彩類別色彩所占比例ηD。該指標用于描述繼承類色彩所占總體比例，用于描述流行色預案整體色彩分布特性。具體計算依式(4)進行：

(4)

式中：ηD表示繼承性類別色彩所占總體色彩的比例；ηR表示創(chuàng)新性類別色彩所占比例；Nsum表示色彩總體樣本數(shù)量。隨著閾值T的增加，更多的離散色彩聚合在一起，使得形成的色彩類別更有可能變?yōu)槔^承性色彩類別；另外，閾值T的增加部分原本游離于繼承類色彩類別之外的色彩，也會加入繼承類色彩類別，因此，閾值T的增加，會帶來繼承性色彩類別包含的色彩數(shù)量增加，ηD也會隨之增大。

3 結果與分析

3.1 距離閾值T與M及ηD關系

按照式(1)～(4)對流行色2007—2015年春夏預案進行層次聚類計算，分析繼承類色彩類別總數(shù)M以及其所占比例ηD隨T變化情況，結果如圖1所示。

圖1 閾值T與M及ηD關系變化曲線Fig.1 Relationship between T and M, ηD

從圖1中可看出，隨著層次聚類閾值T的增大，繼承類色彩類別數(shù)發(fā)生顯著變化，而繼承類色彩所占比例不斷升高。在T值處于10～11之間，繼承類色彩所占比例出現(xiàn)明顯增加，通過圖可看出，在閾值T=10.40處，ηD曲線出現(xiàn)明顯拐點，此時ηD=38.8%，M=12。ηD曲線在T=10.40之前發(fā)生突然增大，說明在此閾值變化區(qū)間范圍內，更多的流行色預案被歸入到繼承類色彩之中；在T=10.40之后，曲線的變化趨于平緩，說明在T=10.40之后，增大T值，流行色預案歸入繼承類色彩的速度在減慢，因此T=10.40是采用層次聚類法對流行色進行聚類分析的重要節(jié)點。以T=10.40的距離閾值進行層次聚類分析，將獲得12個色彩類別屬于繼承類色彩類別，這12個類別所包含的色彩預案在9年之間至少在6年里面出現(xiàn)過，且這12個色彩類別所包含的色彩預案的數(shù)量占所有流行色預案的38.8%，此時創(chuàng)新類色彩預案所占比例為61.2%。女裝春夏流行色預案的特點是變化多樣，超過六成的色彩被定義為創(chuàng)新性色彩預案基本符合春夏女裝流行色色彩的分布特點。

從對圖1的分析中可看出，T=10.40是流行色層次聚類分析聚類結果發(fā)生變化的重要拐點。當選擇的數(shù)值比此數(shù)值小，則會使得繼承類色彩所占比例偏低，不能體現(xiàn)色彩繼承性特點；而當選擇數(shù)值比此數(shù)值高時，雖然會增加繼承類色彩所占數(shù)量，但是過高的閾值會使得形成的色彩類別色彩半徑過大，類中心所對應的色彩信息將不具備顯著的分類意義，因此，接下來將對T=10.40閾值下的分類結果進行詳細分析。

圖3 繼承類色彩聚類內色彩分布Fig.3 Color palettes distribution in inherit clusters. (a) Clustering 1; (b) Clustering 2; (c) Clustering 3

3.2 層次聚類分析結果

以T=10.40為聚類分析閾值，按照式(1)～(3)進行聚類分析，得到繼承類色彩類別的數(shù)量D=12，創(chuàng)新性色彩類別的數(shù)量R=94，繼承類色彩預案共計出現(xiàn)151次，占全部色彩總數(shù)(389)的38.8%，形成的12個繼承類色彩類別聚類中心及流行色預案分布情況如圖2、表1所示。

圖2 繼承類流行色對應色彩Fig.2 Corresponding colors of inherit category

聚類序號L?a?b?頻次187-2329254612103213110452631475777-966612216779-24-311876-5-7129230-198103821210118731324123421158

從表1和圖2中可看出，繼承類色彩呈現(xiàn)的色彩類別囊括了春夏流行色常見色彩，共有12個類別組成，每個類別內距離不大于10.40，繼承類流行色分布在其球體之內。

選取前3個類別，對聚類結果內色彩分布進行分析，結果如圖3所示。

從圖中可看出，形成的3個類別中的色卡與對應色彩聚類中心具有較高的相似度，這是依據(jù)色差距離進行色彩度量的結果。3個類別中，色彩出現(xiàn)頻次均多于色卡數(shù)量，因此有色卡重復多次出現(xiàn)，表明流行色本身確實具有一定的循環(huán)特性。各年份各繼承類別色彩所出現(xiàn)頻次如表2所示。

表2 繼承類色彩類別各年份出現(xiàn)頻次

從表1～2中的12個類別中可看出，6個高明度色彩類型(L*>60，類別1、5、6、7、8、11)共計98個色彩預案，占據(jù)了所有繼承類色彩的65%(繼承類色彩預案共151個)，體現(xiàn)了春夏流行色以高明度色彩為主體流行色基調的重要特征；在所有形成的承色類別集合中，第11類略偏紅黃系類別中(對應HSB空間中H=36°)，其色彩預案在所有年份中都有體現(xiàn)，說明這類色彩在每個年份都出現(xiàn)在流行色預案之中，與春夏女裝流行色在色調上的表現(xiàn)相一致；而出現(xiàn)頻次最多的第1類色彩類別，屬于高明度無彩色(對應HSB空間中S=3%)，除在2010年缺席外，一直占據(jù)了相當大的比重，體現(xiàn)了無彩色系在流行色預案中的重要性。

在形成的12個繼承類色彩類別中，部分類別，如類別2、10、12等，在視覺上仍然存在較高的相似度，類別間區(qū)分度不大。分析其原因，主要與Lab色彩空間以及10.40的距離閾值關系密切， Lab色彩空間內的距離反映的是色彩間的視覺差異，這種差異包含了色彩的色相、明度、純度對視覺差異的綜合影響，但在流行色的分析過程中，色相的影響更為顯著，因此，在今后的研究中，可通過對距離公式的修正，顏色空間的調整，或者通過調整放大距離閾值，來對分類結果進行進一步的優(yōu)化。

4 結 論

1)本文采用層次聚類方法中的合并算法，以CIEL*a*b*1976色差公式為度量色彩間距離手段，以重心法方式進行距離判定，對2007—2015年春夏女裝流行色預案進行了聚類分析，將流行色預案進行分類，分成繼承類色彩類別和創(chuàng)新性色彩類別，為流行色的準確預測提供理論基礎。

2)以形成色彩類別出現(xiàn)年份頻次為依據(jù)，將出現(xiàn)頻率超過2 / 3以上年份的色彩類別定義為繼承類色彩類別，通過調整距離閾值，繪制繼承類色彩類別數(shù)量以及繼承類色彩預案變化曲線，尋求合理距離閾值進行聚類。

3)在調整距離閾值為10.40時，變化曲線出現(xiàn)明顯拐點，此時可形成12個繼承類色彩聚合類別，其中色彩預案占據(jù)總預案數(shù)的38.8%的，形成色彩類別以及所占比例能夠充分體現(xiàn)春夏女裝流行色的分布特點。

FZXB

[1] 吳志明，李熠. 服裝流行色的色彩意向灰色預測[J]. 紡織學報，2009, 30(4):94-100. WU Zhiming, LI Yi. Clothing fashion color image scale grey forecast[J], Journal of Textile Research, 2009, 30(4):94-100.

[2] 吳也哲，翟永超，孫莉. 基于灰色前饋神經(jīng)網(wǎng)絡的流行色預測[J]. 東華大學學報：自然科學版，2011, 37(2): 199-204. WU Yezhe, ZHAI Yongchao, SUN Li. A fashion color forecast based on gray back propagation neural network model[J]. Journal of Donghua University：Natural Scince Edition, 2011, 37(2): 199-204.

[3] LIN J J, SUN P T, CHEN J J, et al. Applying grey model to predict trend of textile fashion colors [J].Journal of the Textile Institute, 2010, 101(4): 360-368.

[4] 常麗霞，高衛(wèi)東，張萬琴,等. 馬爾科夫預測法在國際服裝流行色預測中的應用[J]. 毛紡科技，2012,40(7)：44-47. CHANG Lixia, GAO Weidong, ZHANG Wanqin, et al. Applying Markov model to predict trend of fashion colors[J]. Wool Textile Journal, 2012,40(7)：44-47.

[5] CHOI T M, HUI C L, NG S F, et al. Color trend forecasting of fashionable products with very few historical data [J]. Systems, Man, and Cybernetics, 2012, 42(6): 1003-1010.

[6] YU Y, HUI C L, CHOI T M. An empirical study of intelligent expert systems on forecasting of fashion color trend[J]. Expert Systems with Applications, 2012, 39: 4383-4389.

[7] 常麗霞，高衛(wèi)東，潘如如. 中國流行色色案特征量化分析[J]. 毛紡科技, 2011, 39(11): 59-63. CHANG Lixia, GAO Weidong, PAN Ruru. Analyzing Chinese fashion color characters on quantitative study [J]. Wool Textile Journal, 2011, 39(11): 59-63.

[8] 常麗霞，高衛(wèi)東，盧雨正，等. 流行色春夏定案特征分析與探討[J]. 紡織學報，2010,31(3): 98-103. CHANG Lixia, GAO Weidong, LU Yuzheng, et al. Analysis on spring/summer fashion colors characteristics and changing rules[J]. Journal of Textile Research, 2010,31(3): 98-103.

[9] 袁大鵬，孔祥梅. 時尚色彩：流行色初探[J]. 東北電力學院學報，2004, 24(3): 67-69. YUAN Dapeng, KONG Xiangmei. Fashioncolor- research popular color [J]. Journal of Northeast China Insitute of Electric Power Engineering, 2004, 24(3): 67-69.

[10] 賈陽，王慧琴，胡燕，等.基于改進層次聚類和SVM的圖像型火焰識別[J]. 計算機工程與應用，2014,50(3)：165-168,194. JIA Yang, WANG Huiqin, HU Yan, et al. Flame detection algorithm based on improvedhierarchical cluster and support vector machines [J]. Computer Engineering and Applications, 2014,50(3): 165-168,194.

[11] 楊淑瑩. 模式識別與智能計算：MatLab技術實現(xiàn)[M].第2版.北京：電子工業(yè)出版社，2013：229-230. YANG Shuying. Pattern Recognition & Intelligent Computing with MatLab Technology [M]. 2nd ed. Beijing: Publishing House of Electronics Industry, 2013:229-230.

[12] 金楊，劉真，王鵬飛. CIEL*a*b*色空間色調角對比敏感度函數(shù)研究[J]. 北京理工大學學報，2013, 33(8): 824-828. JIN Yang, LIU Zhen, WANG Pengfei. Research on contrast sensitivity function of hue in CIE1976L*a*b* color space [J]. Transactions of Beijing Institute of Technology, 2013, 33(8): 824-828.

[13] 狄宏靜，劉冬云，吳志明. 基于BP神經(jīng)網(wǎng)絡的春夏女裝流行色預測[J].紡織學報，2011, 32(7):111-116. DI Hongjing, LIU Dongyun, WU Zhiming. Forecast of women′s spring/summer fashion color based on BP neural networks[J]. Journal of Textile Research, 2011, 32(7):111-116.

Categorization for women′s spring /summer fashion color based on hierarchical cluster algorithm

LU Yuzheng， GAO Weidong， CHANG Lixia

(JiangnanUniversity,Wuxi,Jiangsu214122,China)

The hierarchical cluster method is proposed to categorize the women′s spring/summer fashion colors based on the color difference between the palettes. Nine years of fashion color palettes from 2007 to 2015 are provided as the database for the aggregation algorithm of hierarchical cluster. The categories of the fashion colors are defined as the inherit category and the creative category according to the yearly occurrence frequency of its color palettes. The experiment result shows that the women′s spring/summer fashion colors can be clustered into 12 inherit categories with the color difference thresholdT=10.40 for the hierarchical cluster method, and 38.8% of the color palettes fall into the inherit category. The characteristics of the women′s spring/summer fashion color distribution can be expressed in the final clustering result.

fashion color; color difference; hierarchical cluster; categorization

10.13475/j.fzxb.20140804606

2014-08-25

2015-07-02

江蘇省教育部人文社科指導性項目(2011SJD760004)

盧雨正(1979—)，男，講師，博士。主要研究方向為紡織應用技術。高衛(wèi)東，通信作者，E-mail：gaowd3@163.com。

TS 941.13

A