随着顾客对服装产品的需求越来越多样化、个性化,纺织产品的开发与市场需求的结合日益紧密。顾客越来越关注织物的舒适程度、外观的美观程度、功能性与环保性。如何快速地响应市场、满足顾客的要求、降低成本以获得良好的经营利润是摆在现代企业面前的重要难题。 本课题从服装企业供应链管理的实际需求出发,结合感官评估和智能信息处理技术,研究并设计了信息反馈系统原型。系统主要分为三个部分,衣料供应商产品质量数据反馈、用户需求数据反馈和企业决策支持系统。 首先,对供应商提供的样品进行抽样检测,得到样品的客观评估数据,并对客观数据进行降维处理和聚类分析。主成分分析方法主要利用数据的线性相关性来降维,并不适合非线性相关的情况。为此,结合Mercer核函数,提出了基于核函数的主成分分析。对数据进行聚类分析时,为了克服K-均值算法初值敏感的不足,结合核函数和遗传算法,提出了遗传核聚类算法。仿真结果表明,该算法具有较好的分类性能。 其次,将感官评估应用到顾客消费心理分析与调查,提出了用户调查数据分析模型。通过市场调查,得到顾客的问卷调查信息后,进行因子分析,研究问卷调查表中问题的相关性,并得到新的打分数据。最后,对新的数据进行模糊C-均值聚类,并对聚类结果进行解释。 接着,研究了决策支持系统中供应商提供样品的主客观评估之间联系。企业得到供应商的样品质量数据和客户的需求信息后,组织专家对产品样本进行感官评估。为了便于处理,对专家评估数据中的非数值数据利用两元组模糊数学模型进行转化,并进行数据融合处理。然后,将神经网络与模糊推理系统结合,应用自适应神经网络模糊推理系统研究主客观评估之间的关系。