智能服装设计是一个新兴的研究领域，属于服装设计、计算机学科、材料学科等众多领域的交叉学科。智能服装的发展将会带来整个服装领域重大的变革，代表着服装科学未来的发展趋势。在目前智能服装设计研究中，传感器的位置通常是紧贴皮肤的，如测量体温、脉搏等，这样很大程度影响了服装穿着的舒适性，同时带来了安全问题的隐患，尤其是对于婴幼儿，舒适性和安全性的考虑就更为重要。因此本研究侧重于非紧贴皮肤的传感器，即传感器与皮肤之间有一定的空隙或有另一层衣服间隔。这样的设计很大程度的提高了舒适性与安全性，但是会损失精度，使得测量的数值偏离了真实值。因此，智能服装舒适度与测量精度之间的矛盾成为该研究中的最主要的挑战之一。针对此问题，本文创新性的提出了使用人工智能的前沿技术——机器学习方法将若干不同位置的非接触式传感器的各种信号进行组合，从而达到更高的精度，同时保持了非接触式传感器所带来的舒适性。我们综合了婴幼儿服装设计理念、服装舒适相关原理、回归和分类机器学习模型设计了一个体温测量的智能服装实验，在实验中我们发现将不同非接触式传感器的弱信号进行融合的方法可以很大程度的提高传感器的测量精度。并且通过多组实验分析了该方法的有效性，包括不同位置传感器的效果比较，不同机器学习模型、特征的效果比较等。不同于前人关于提高智能服装舒适度的研究，如智能面料技术。本文提出的策略侧重于将服装设计技术和人工智能技术相结合，在不改变传感器材质的情况下提高了服装的舒适度和精度，消除了传感器紧贴皮肤所降低的舒适度，并且能够将不精确的测量转化为精确的测量。这些都是智能面料技术所无法达到的，同时本文提出的方法与前人的技术并不矛盾，相互相结合将会取得更好的效果。本文首先在第一章介绍智能服装的背景知识，第二章着重讨论婴幼儿智能服装设计中舒适度与精度的矛盾问题，第三章详细介绍本文所提出的方法，第四章描述相关实验方法及其结果分析，第五章是总结与展望。