近年来,电商平台发展迅猛,越来越多的用户选择线上购物。线上购物在一定程度上便利了人们的生活,但由于电商平台的产品琳琅满目,特别是服装类产品又具有个性化强且发展迅速的特点,这就使得海量信息出现在消费者面前,导致信息超载的现象。虽然购物平台为消费者提供搜索功能,但查询出来的结果数量往往还是十分巨大。消费者逐个挑选服装无疑浪费了大量的时间精力,最后还可能没有选到满意的商品。除此之外,服装风格是个较为模糊的概念,由于生活环境、教育水平等因素的差异,不同的人对服装风格有不同的理解,导致风格定位存在偏差。目前服装风格并没有一个准确的定义和度量方法。针对这一现状,本课题提出一种基于卷积神经网络的服装风格识别与推荐系统,以女装为例,在风格识别的基础上进行风格推荐,并搭建了一个女装风格推荐系统,结合用户的基本信息及个人偏好等给用户一个满意的服装风格款式推荐。首先,通过文献调研及市场调查确定目前市场上主流的八种服装风格,分别是:经典风格、优雅风格、轻快风格、休闲风格、运动风格、中性风格、前卫风格、民族风格。并通过专家访谈对八种风格进行分析整理,得到八种风格的风格特征。其次,在淘宝、天猫、京东等电商平台收集了 8877张服装风格样本图,并邀请服装领域相关专家对样本图片进行筛选,留下4410张最具代表性的风格样本图,创建了一个包括经典风格连衣裙、经典风格西装、经典风格衬衫、经典风格大衣、经典风格风衣、经典风格半身裙、优雅风格连衣裙、优雅风格大衣、优雅风格半身裙、休闲风格连衣裙、休闲风格大衣、休闲风格风衣、休闲风格卫衣、休闲风格外套、休闲风格半身裙、休闲风格T恤、休闲风格毛衣、休闲风格Polo衫、民族风格连衣裙、民族风格大衣、民族风格外套、民族风格衬衫、民族风格上衣、民族风格半身裙、前卫风格大衣、前卫风格西装、前卫风格衬衫、前卫风格风衣、前卫风格连衣裙、前卫风格T恤、运动风格连衣裙、运动风格外套、运动风格半身裙、轻快风格连衣裙、轻快风格衬衫、轻快风格上衣、轻快风格大衣、轻快风格外套、轻快风格半身裙、中性风格西装、中性风格大衣、中性风格夹克等42类服装风格样本库。第三,构建Alex Net卷积神经网络模型,通过反向传播算法进行权值参数调整,并修改网络模型中的超参数文件,得到适用于服装风格识别分类的网络模型。该网络模型结构包括5个卷积层、3个降采样层、3个全连接层和1个Softmax层,通过相互交替的卷积和降采样操作提取服装风格特征。第四,利用数据加强、灰度化和边缘检测等技术对样本图片进行预处理,利用调整后的网络模型对预处理过的风格样本进行风格识别分类训练,识别分类准确率为97.45%。第五,将识别分类好的服装风格样本图片导入服装风格推荐系统作为系统的服装风格商品模型,并将服装风格商品模型作为用户风格偏好模型的一部分,再通过使用决策树算法结合用户的风格偏好进行初始推荐。为了能及时的动态捕捉用户的兴趣变化,使用基于兴趣度的推荐算法进行动态推荐。最后,使用Java语言和MySQL数据库等技术搭建服装风格推荐系统,并对服装风格推荐系统进行实用性验证,主要采用数理统计的方法,寻找50位年龄在18-45岁之间的受试者登录系统进行验证,统计受试者对推荐结果的满意度。结果表明,绝大部分受试者对推荐结果表示满意,受试者的平均满意度为86.25%。综上本课题针对服装风格的识别分类研究,通过微调Alex Net卷积神经网络超参数文件,得到适用于服装风格识别分类的方法。再结合Java语言和MySQL数据库技术构建服装风格推荐系统,使用决策树算法和兴趣度算法实现对用户的风格款式推荐。