Upper body type classification of young men based on three-dimensional body measurement
-
摘要:
为提高青年男性上装的合体性，选取安徽地区300名18～25岁青年男性为研究对象，通过三维人体扫描仪采集7个主要上身部位的相关数据，使用SPSS软件进行因子分析，得到影响上身体型特点的3个公共因子：横向因子、长度因子、围差因子. 计算各因子的权重，选取身高、腰围、胸腰差3个特征指标，最终确定男青年上身体型为高瘦体型、矮痩体型、中等身高偏瘦体型、中等身高偏胖体型，各占比25.09%、28.00%、37.09%、9.82%. 研究结果有助于了解安徽地区人体体型特征，为地区的服装企业在改进服装结构方面提供可行性参考.
Abstract:In order to improve the fit of young men's tops, 300 young men aged 18~25 years old in Anhui areas were selected as the research subjects. Relevant datas on seven main upper body parts were collected by 3D body scanner, and factor analysis was performed through SPSS software, and three common factors of horizontal factor, length factor and girth factor that affecting upper body shape characteristics were obtained. The weight of each factor was calculated, and three characteristic indexes, namely height, waist circumference and chest waist difference were selected. Finally, it was determined that the upper body shape of young men was tall and thin, short, medium height and thin, and medium height and fat, accounting for 25.09%, 28.00%, 37.09%, 9.82%. The research results are helpful to understand the characteristics of human body shape in Anhui areas, and provide feasible reference for regional garment enterprises in improving garment structure.
-
我国现行男性服装号型标准主要依据国家标准GB/T 1335.1—2008《服装号型 男子》[1]. 随着经济和生活水平的高速发展，人们的体型在高度、围度等方面都发生较大的变化，且各地域间男性体型特征也有明显区别. 目前国内推行的号型标准的准确性已不太适合市场需求[2]，男性服装市场需要更为细致、准确的服装款式样板库来满足消费者对于服装合体性和舒适性的需求. 因此，需要着重分析男性上身形态特征，为企业在服装的款式和结构设计方面提供合理性依据[3].
目前，国内外学者对人体体型分类的研究主要运用数据分析，包括主成分分析、特殊指标分析、聚类分析等. 许家岩[4]利用图像处理技术，提取人体尺寸数据，采用体表角度+胸腰差联合法与国标胸腰差分类方法，并结合回归分析和BP神经网络仿真方法，建立围度尺寸的计算模型和青年男体尺寸数据系统. 阮婷等[5]运用因子分析、方差分析和K-means聚类分析，将青年男性体型分为矮瘦圆台型、矮胖圆台型、高胖圆台型和高瘦圆台型4类，为企业进行男装结构设计提供参考. Lee等[6]运用主成分分析法和K均值聚类分析法提取10个代表鲜明的男性身体轮廓，将男性体型分为3类. 梁素贞[7]采用非接触式三维人体测量提取21个分析目标，通过特殊指标分析表明福建地区男性体型主要为Y、A、B等 3类，并建立身高、胸围、腰围、臀围的线性回归方程. 齐静等[8]通过因子分析和聚类分析将西部地区青年男性体型细化为7类，该研究结果为制订西部地区青年男性服装号型标准提供理论参考. Jiang等[9]基于二维图像的人体特征，提出从人体正面和侧面图像中自动检测人体特征的系统方法，为服装结构及款式设计提供理论支持. 钱晓农等[10]提出马氏距离的体型细分识别方法，并结合聚类分析将人体体型分为偏瘦、正常、偏胖3类，为建立北方青年女性人体尺寸数据库提供支持.
随着科学技术的进步，传统手工测量方式效率低、精度差，人体测量方式逐渐转向更高效、准确客观的非接触三维扫描人体测量[11]. 准确采集人体数据和判断人体体型特征是设计服装的基础，也是影响消费者满意度和解决服装合体性问题的关键因素之一[12]. 上述研究人员均是在提取样本数据的特征值后，运用K-means聚类分析法对人体体型进行分类，但这些分类大多依据经验判断所得，其结果具有一定的主观性. 在前人研究的基础上，本研究选择三维测量技术采集上身数据，使用因子分析和聚类分析方法确定特征指标及权重，选择方差碎石图线拐点对上身体型进行较为客观地分类，以期为青年男性上身体型的细分及企业在男性上装合体性和舒适性方面的设计提供参考.
1. 人体测量
1.1 测量仪器
可精确获取人体三维数据的3D CaMega人体（全身−半身)扫描仪如图1所示. 该扫描系统由北京博维恒信科技发展有限公司制造，是国内首套具有自主知识产权的人体三维数字化测量系统，具体参数见表1.
表 1 系统参数Table 1. System parameters相机型号 测量范围/（mm×mm） 参考距离/mm 纹理分辨率 点间距/mm 测量精度/mm 投影原理 图像获取时间/s CP-1000 1000×600 1500 500万像素 0.7 0.3 彩色结构光 1.5 3D CaMega人体（全身−半身)扫描系统的测量原理是被测量者站在仪器中的指定位置，用高亮度的彩色结构冷光上下扫描人体，并过滤外界环境的光干扰，摄像机接收光线测量的结果，由计算机处理得到数据.
1.2 测量要求
在进行三维人体扫描时，被测量对象穿着浅色内衣站在测量区域内，穿着的内衣必须紧贴身体，被测量对象要卸去身上首饰、手表、眼镜等物品.
三维人体扫描法测量对站姿有一定要求，被测者手臂应远离身体，能够辨别出腋窝，但要保证手不能超出测量区域. 如果测量对象较为肥胖，则要求其将手臂、腿张开的幅度略大些，手要捏成拳头；两脚要站在测量室中指定的位置；测量对象要身体直立静止、屏息、眼睛平视前方，俯视或仰视都不能准确探测到颈部的位置，如图2所示.
1.3 试验测量变量
参照国家标准GB/T 16160—2017《服装用人体测量的尺寸定义与方法》，根据男青年人体特征及服装结构设计特点，选取影响男性上身结构的7个人体测量变量，见表2.
表 2 相关变量Table 2. Related variables序号 变量 定义 1 身高 从头顶点至地面的垂距 2 颈围 经颈窝点、左颈肩点、第7颈椎点和右颈肩点各向上3 cm围量一周的围长 3 胸围 经过胸点水平围量一周的围长 4 腰围 经过躯干最细部位水平围量一周的长度 5 胸腰差 胸围与腰围的差值 6 总肩宽 左肩端点经第7颈椎点至右肩端点的距离 7 臂长 从肩端点至桡骨茎突点的直线距离 1.4 样本量的确定
试验对象为300名安徽地区某大学青年男性大学生和研究生，18～25岁，身高160～190 cm，体重45～85 kg. 在随机抽样条件下，为保证样本量的准确性，根据统计教材对样本量公式定义，确定样本容量为
n=Z2S2d2 (1) 式中：n为所需样本量；Z为95%置信水平下的统计量，取1.96；S为标准差；d为相对误差.
根据国家标准GB/T 23698—2009《三维扫描人体测量方法的一般要求》[13]中对于最大允许误差的设定，具体结果见表3. 由表可知，最小样本量为200，本次测量对象为300人，满足试验要求.
表 3 各测量部位的基本统计量Table 3. Basic statistics of each measurement测量项目 S/cm d/cm n 身高 5.49569 1.0 116 颈围 1.79454 0.4 78 胸围 4.57140 0.9 100 腰围 6.44802 0.9 200 胸腰差 4.94127 0.9 119 肩宽 2.14755 0.5 74 臂长 2.35228 0.5 88 2. 数据分析
2.1 数据预处理
为保证非接触式三维人体测量数据的有效性，减少测量带来的误差，对同一变量在相同环境下进行3次重复测量并取平均值作为最终分析数据. 通过SPSS软件中Q-Q概率图对各变量数据的正态性进行检验，以颈围为例，检验结果如图3所示. 由图可知，图上的点近似在一条直线附近，样本数据近似于正态分布，同理验证其他变量也近似于正态分布. 颈围的箱式图如图4所示. 由图可直观识别颈围数据中的异常值，同理排除其他变量的异常值. 根据数据预处理，判断数据的有效性，剔除数据的异常值，综合分析后排除25个男青年上身测量变量的异常数据，确定275个有效样本，样本有效率达91.67%.
2.2 上身体型测量变量分析
对青年男性上身7个变量进行统计，得到各测量变量的极小值、极大值、均值、标准差，结果见表4. 表中显示了男青年上身体型数据的离散程度和差异范围，总体上反映了安徽地区男青年上身体型特征的变化情况，相关变量数据较为准确合理，能够代表青年男性的上身体型特征.
表 4 男青年上身体型测量指标统计Table 4. Statistics of measurement indicators for upper body type of young men项目 极小值 极大值 均值 标准差 身高 161.00 189.40 175.533 5.49569 颈围 33.80 43.70 37.496 1.79454 胸围 78.30 99.90 90.301 4.57140 腰围 64.10 93.90 77.143 6.44802 胸腰差 −7.00 21.00 13.158 4.94127 肩宽 40.80 51.20 44.744 2.14755 臂长 52.70 63.80 58.365 2.35228 2.3 因子分析
2.3.1 KMO和 Bartlett检验
因子分析是指把原始变量通过一些公共的因子变量来表示，把多个观测变量转变为少数不相关的综合变量[14]. 在对男性上身各部位变量进行因子分析前，需对7个相关变量指标进行Bartlett球形检验以及KMO值检验，以此判断原始数据是否能够进行因子分析，结果见表5. 由表可见，男性上身体型指标的KMO值为0.752，Bartlett球形检验值为0.000，说明这些体型指标的相关性高，适合进行因子分析.
表 5 KMO和 Bartlett的检验Table 5. KMO and Bartlett's testKMO值 Bartlett球形检验 近似卡方 自由度 显著性 0.752 244.666 15 0.000 各因子对体型数据差异的解释总方差见表6. 由表可见，只有前3个因子的特征值大于1，累计贡献率达到83.465%. 因此，影响男性上身体型特征的主要因子有3个.
表 6 解释的总方差Table 6. Total variance explained成分 初始特征值 旋转平方和载入 合计 方差百分比/% 累积方差百分比/% 合计 方差百分比/% 累积方差百分比/% 1 3.213 45.899 45.899 2.542 36.320 36.320 2 1.504 21.488 67.387 1.767 25.247 61.567 3 1.125 16.077 83.465 1.533 21.898 83.465 4 0.511 7.299 90.763 5 0.386 5.514 96.277 6 0.261 3.723 100.000 采用方差最大法经旋转后得到的成分矩阵见表7. 由表可见，主成分因子1在胸围、颈围、腰围、肩宽上有较大载荷，可定义为横向因子；主成分因子2在身高、臂长上有较大载荷，可定义为长度因子；主成分因子3在胸腰差上有较大载荷，可定义为围差因子.
表 7 旋转成分矩阵Table 7. Rotation component matrix测量项目 成分 1 2 3 胸围 0.927 0.086 0.178 颈围 0.773 0.076 −0.250 腰围 0.722 0.087 −0.636 肩宽 0.720 0.239 −0.199 臂长 0.094 0.927 −0.005 身高 0.172 0.911 −0.069 胸腰差 −0.085 −0.034 0.995 综上可知，影响男性上身体型特点的主要影响因子为横向因子、长度因子、围差因子.
2.3.2 特征指标提取
为更进一步描述上半身体型特征，采用权重分析方法计算出各公因子的方差贡献率和各变量的权重值，并提取出各公因子的特征指标. 通过公因子的方差贡献率，计算公因子贡献率与3个公因子累计贡献率的比值得到各公因子的权重，再依据成分得分系数矩阵的系数计算得到各变量因子在公因子中的权重，结果见表8.
表 8 因子权重值Table 8. Factor weight values公因子 因子权重系数 变量 变量权重系数 横向因子 0.435 胸围 0.146 颈围 0.134 腰围 0.177 肩宽 0.142 长度因子 0.303 身高 0.140 臂长 0.125 围差因子 0.262 胸腰差 0.136 由表8可知，腰围、身高、胸腰差在各自公因子中的权重最大，即这3个变量在各自公因子中地位最高，在所有变量中最为重要，故选取这3个变量作为男青年上身体型分类的特征指标.
2.4 K-means聚类分析
K-means聚类的步骤是预将数据分为K组，随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心. 该方法可有效处理大量数据的聚类分析，而不占用过多内存空间和计算时间[15].
横向因子反映人体上身的围度和宽度；长度因子反映人体的身高和体段长度；而围差因子的胸腰差，即指胸围与腰围的差值，反映人体上身部分结构特征. 我国实施的男装国家标准修订版《服装号型 男子》[16]以胸腰差为参照，将男子的体型分为Y、A、B、C等4类. 结合服装结构方面的知识和各因子权重占比，选取横向因子的腰围、长度因子的身高和围差因子的胸腰差作为K-means聚类分析的上身体型分类的特征指标. 将腰围、身高、胸腰差作为分类依据绘制成碎石图如图5所示. 由图可以看出，在聚类数为4时，折线趋于平缓，出现拐点，所以选择聚类数为4，运用K-means聚类法对男性上身体型测量项目进行聚类分析，可分为4类.
为验证K-means聚类法对男性上身体型分类的准确性和合理性，采用方差分析对其聚类分析进行解释，结果见表9. 从表可以看出，各聚类数中的各项目Sig.均小于0.05，说明各聚类数均符合要求. 但聚类数为4时，组间误差平方和最大，组内误差平方和最小，且F检验值最大，聚类效果最佳，表明将样本分为4类较为合理.
表 9 方差分析Table 9. Variance analysis聚类数 项目 组间误差平方和 组内误差平方和 F Sig. 2 身高 248.378 27.976 8.878 0.004 腰围 2558.842 15.891 161.028 0.000 胸腰差 1243.620 11.975 103.848 0.000 3 身高 359.597 23.411 15.360 0.000 腰围 1309.481 15.435 84.840 0.000 胸腰差 810.901 8.200 98.890 0.000 4 身高 541.481 14.225 38.065 0.000 腰围 1004.894 11.473 87.585 0.000 胸腰差 547.114 8.082 67.696 0.000 5 身高 499.247 10.453 47.759 0.000 腰围 736.266 12.327 59.728 0.000 胸腰差 421.081 7.715 54.583 0.000 6 身高 391.744 10.972 35.705 0.000 腰围 689.408 7.118 96.855 0.000 胸腰差 380.258 5.488 69.283 0.000 7 身高 342.489 10.055 34.061 0.000 腰围 593.464 5.971 99.385 0.000 胸腰差 322.599 5.179 62.295 0.000 8 身高 328.091 7.537 43.529 0.000 腰围 493.590 7.185 68.700 0.000 胸腰差 273.791 5.442 50.310 0.000 9 身高 292.217 7.168 40.765 0.000 腰围 432.066 7.248 59.609 0.000 胸腰差 243.951 5.116 47.680 0.000 10 身高 268.645 6.358 42.251 0.000 腰围 388.141 6.921 56.085 0.000 胸腰差 221.414 4.716 46.945 0.000 各自聚类中心分布情况见表10. 将腰围、身高、胸腰差作为特征指标将人体体型分为Ⅰ、Ⅱ、Ⅲ、Ⅳ4类，其中第Ⅰ类身高最高，腰围、胸腰差较大，上身体型为高瘦型，占比25.09%；第Ⅱ类身高最矮，腰围较小，胸腰差较大，上身体型为矮痩型，占比28.00%；第Ⅲ类身高中等，腰围最小，胸腰差最大，上身体型为中等身高偏瘦型，占比37.09%；第Ⅳ类身高中等，腰围最大，胸腰差最小，上身体型为中等身高偏胖型，占比9.82%.
表 10 分类结果Table 10. Classification results聚类 身高/cm 腰围/cm 胸腰差/cm 案例数 占比/% Ⅰ类 180.89 81.22 12.02 69 25.09 Ⅱ类 169.89 76.74 13.56 77 28.00 Ⅲ类 175.97 71.49 16.56 102 37.09 Ⅳ类 176.34 89.02 2.31 27 9.82 3. 结 语
通过三维人体扫描仪采集男青年上身部位数据，对相关上身体型特征数据进行描述性分析，发现数据的离散程度和差异范围，总体上反映了安徽地区男青年上身体型特征的变化情况，符合青年男性的上身体型特征. 使用SPSS进行因子分析，得到3个影响上身体型的主要因子为横向因子、长度因子和围差因子. 根据3个主要影响因子计算各因子权重，选取身高、腰围、胸腰差3个特征指标，运用主成分分析法和K-means聚类法将测量变量聚类成4类，将上身体型分为Ⅰ、Ⅱ、Ⅲ、Ⅳ四类，分别占比25.09%、28.00%、37.09%、9.82%，其中第Ⅱ、Ⅲ类体型共占比65.09%，第Ⅳ类体型占比9.82%，小于10%，说明安徽地区的男青年大部分身高中等及以上，偏瘦，其次约1/4男青年为高瘦体型，只有不到10%的男青年为中等身高偏胖体型. 基于三维人体测量和SPSS软件分析，提出因子分析和聚类分析结合并选取以胸腰差为主的男青年上身体型识别方法，研究结果有助于了解安徽地区的男青年体型特征，对人体测量的数据进行具体分析和对比，以此为依据对尺寸进行修正优化，为该地区的服装企业在服装结构及合体性方面提供思路.
-
表 1 系统参数
Table 1. System parameters
相机型号 测量范围/（mm×mm） 参考距离/mm 纹理分辨率 点间距/mm 测量精度/mm 投影原理 图像获取时间/s CP-1000 1000×600 1500 500万像素 0.7 0.3 彩色结构光 1.5 
下载: 导出CSV
表 2 相关变量
Table 2. Related variables
序号 变量 定义 1 身高 从头顶点至地面的垂距 2 颈围 经颈窝点、左颈肩点、第7颈椎点和右颈肩点各向上3 cm围量一周的围长 3 胸围 经过胸点水平围量一周的围长 4 腰围 经过躯干最细部位水平围量一周的长度 5 胸腰差 胸围与腰围的差值 6 总肩宽 左肩端点经第7颈椎点至右肩端点的距离 7 臂长 从肩端点至桡骨茎突点的直线距离
下载: 导出CSV
表 3 各测量部位的基本统计量
Table 3. Basic statistics of each measurement
测量项目 S/cm d/cm n 身高 5.49569 1.0 116 颈围 1.79454 0.4 78 胸围 4.57140 0.9 100 腰围 6.44802 0.9 200 胸腰差 4.94127 0.9 119 肩宽 2.14755 0.5 74 臂长 2.35228 0.5 88
下载: 导出CSV
表 4 男青年上身体型测量指标统计
Table 4. Statistics of measurement indicators for upper body type of young men
项目 极小值 极大值 均值 标准差 身高 161.00 189.40 175.533 5.49569 颈围 33.80 43.70 37.496 1.79454 胸围 78.30 99.90 90.301 4.57140 腰围 64.10 93.90 77.143 6.44802 胸腰差 −7.00 21.00 13.158 4.94127 肩宽 40.80 51.20 44.744 2.14755 臂长 52.70 63.80 58.365 2.35228
下载: 导出CSV
表 5 KMO和 Bartlett的检验
Table 5. KMO and Bartlett's test
KMO值 Bartlett球形检验 近似卡方 自由度 显著性 0.752 244.666 15 0.000
下载: 导出CSV
表 6 解释的总方差
Table 6. Total variance explained
成分 初始特征值 旋转平方和载入 合计 方差百分比/% 累积方差百分比/% 合计 方差百分比/% 累积方差百分比/% 1 3.213 45.899 45.899 2.542 36.320 36.320 2 1.504 21.488 67.387 1.767 25.247 61.567 3 1.125 16.077 83.465 1.533 21.898 83.465 4 0.511 7.299 90.763 5 0.386 5.514 96.277 6 0.261 3.723 100.000
下载: 导出CSV
表 7 旋转成分矩阵
Table 7. Rotation component matrix
测量项目 成分 1 2 3 胸围 0.927 0.086 0.178 颈围 0.773 0.076 −0.250 腰围 0.722 0.087 −0.636 肩宽 0.720 0.239 −0.199 臂长 0.094 0.927 −0.005 身高 0.172 0.911 −0.069 胸腰差 −0.085 −0.034 0.995
下载: 导出CSV
表 8 因子权重值
Table 8. Factor weight values
公因子 因子权重系数 变量 变量权重系数 横向因子 0.435 胸围 0.146 颈围 0.134 腰围 0.177 肩宽 0.142 长度因子 0.303 身高 0.140 臂长 0.125 围差因子 0.262 胸腰差 0.136
下载: 导出CSV
表 9 方差分析
Table 9. Variance analysis
聚类数 项目 组间误差平方和 组内误差平方和 F Sig. 2 身高 248.378 27.976 8.878 0.004 腰围 2558.842 15.891 161.028 0.000 胸腰差 1243.620 11.975 103.848 0.000 3 身高 359.597 23.411 15.360 0.000 腰围 1309.481 15.435 84.840 0.000 胸腰差 810.901 8.200 98.890 0.000 4 身高 541.481 14.225 38.065 0.000 腰围 1004.894 11.473 87.585 0.000 胸腰差 547.114 8.082 67.696 0.000 5 身高 499.247 10.453 47.759 0.000 腰围 736.266 12.327 59.728 0.000 胸腰差 421.081 7.715 54.583 0.000 6 身高 391.744 10.972 35.705 0.000 腰围 689.408 7.118 96.855 0.000 胸腰差 380.258 5.488 69.283 0.000 7 身高 342.489 10.055 34.061 0.000 腰围 593.464 5.971 99.385 0.000 胸腰差 322.599 5.179 62.295 0.000 8 身高 328.091 7.537 43.529 0.000 腰围 493.590 7.185 68.700 0.000 胸腰差 273.791 5.442 50.310 0.000 9 身高 292.217 7.168 40.765 0.000 腰围 432.066 7.248 59.609 0.000 胸腰差 243.951 5.116 47.680 0.000 10 身高 268.645 6.358 42.251 0.000 腰围 388.141 6.921 56.085 0.000 胸腰差 221.414 4.716 46.945 0.000
下载: 导出CSV
表 10 分类结果
Table 10. Classification results
聚类 身高/cm 腰围/cm 胸腰差/cm 案例数 占比/% Ⅰ类 180.89 81.22 12.02 69 25.09 Ⅱ类 169.89 76.74 13.56 77 28.00 Ⅲ类 175.97 71.49 16.56 102 37.09 Ⅳ类 176.34 89.02 2.31 27 9.82
下载: 导出CSV
-
[1] 许鑑, 聂雅渊. 我国成年男子体型及服装号型区域化差异分析[J] . 中国纤检,2020(Z1):128 − 134. [2] 朱碧空, 李月. 女装号型分类方法对比研究与优化[J] . 毛纺科技,2018,46(4):41 − 45. [3] 朱慧, 李燕, 石雪莲. 体型分析与测量方法研究[J] . 山东纺织经济,2019(9):21 − 24. doi: 10.3969/j.issn.1673-0968.2019.09.006 [4] 许家岩. 基于体表形态的青年男体体型分类及测量系统的研究[D]. 苏州: 苏州大学, 2009. [5] 阮婷, 袁惠芬, 汪东升, 等. 运用三维人体测量的青年男性上半身体型分类[J] . 河南工程学院学报(自然科学版),2020,32(3):9 − 15. [6] LEE K S, SONG H K, KIM S. Categorization of lower body shapes of abdominal obese men using a script-based 3D body measurement software[J] . Fashion and Textiles: International Journal of Interdisciplinary Research,2020,7(9):1306 − 1314. [7] 梁素贞. 基于三维人体测量的福建地区男性大学生体型特征[J] . 服装学报,2016,1(2):152 − 156. doi: 10.3969/j.issn.1671-7147.2016.02.006 [8] 齐静, 李毅, 张欣. 我国西部地区青年男性体型描述与体型分类研究[J] . 纺织学报,2010,31(5):107 − 111. [9] JIANG L Y, YAO J, LI B P, et al. Automatic body feature extraction from front and side images[J] . Journal of Software Engineering and Applications,2012,5(12):94 − 100. doi: 10.4236/jsea.2012.512B019 [10] 钱晓农, 尹兵. 基于三维人体测量的人体体型细分识别的研究[J] . 纺织学报,2011,32(2):107 − 111,120. [11] 邢英梅, 王竹君, 阚燕, 等. 基于因子分析和分层聚类的成年女性体型特征识别[J] . 河南工程学院学报(自然科学版),2019,31(2):8 − 12. [12] 徐梦娜. 基于三维扫描的青年女性体型分类研究[D]. 北京: 北京服装学院, 2017. [13] 全国人类工效学标准化技术委员会. 三维扫描人体测量方法的一般要求: GB/T 23698—2009[S]. 北京: 中国标准出版社, 2009. [14] 王慧, 简绍勇, 李娟, 等. 三种统计分析方法在数学建模中的应用浅谈[J] . 科学咨询(教育科研),2020(10):95 − 96. [15] 张文彤, 董伟. SPSS统计分析高级教程[M]. 北京: 高等教育出版社, 2018. [16] 全国服装标准化技术委员会. 服装号型 男子: GB/T 1335.1—2008[S]. 北京: 中国标准出版社, 2008. 期刊类型引用(0)
其他类型引用(1)
-
下载:
下载:
点击查看大图
计量
- 文章访问数: 558
- HTML全文浏览量: 208
- PDF下载量: 80
- 被引次数: 1
