日韩激情av在线|久操精品视频|国产精品乱码久久|www.五月婷婷.,欧美激情A片ⅩXXⅩ,国产精品视频专区,99在线精品免费视频

摘要:為了提高計算機配色的效率,提出了一種基于粒子群優(yōu)化算法(Particle SwarmOptimization algorithm)的RBFNN(radial base function neural network)解決織物染色配色問題的模型。該模型容易實現(xiàn),沒有過多參數(shù)需要調(diào)整,并且提高了模型的收斂速度和精確度。仿真結(jié)果表明,用PSO算法優(yōu)化的RBF神經(jīng)網(wǎng)絡解決計算機織物染色配色問題是一種較好的方法。

近年來隨著計算機技術(shù)的迅速發(fā)展,計算機配色技術(shù)已經(jīng)逐漸應用到織物染色配色領域中。由于神經(jīng)網(wǎng)絡是解決非線性問題的極好模型,而計算機配色中的顏色空間正是一個非線性空間,因此,已有人將神經(jīng)網(wǎng)絡應用到計算機配色技術(shù)中[1]。針對基于神經(jīng)網(wǎng)絡的計算機配色中存在的一些問題,本文提出了基于PSO算法的RBF神經(jīng)網(wǎng)絡解決織物染色配色問題的模型,并通過仿真對這個模型進行了驗證。

1·RBF神經(jīng)網(wǎng)絡

多層前向BP網(wǎng)絡和RBF網(wǎng)絡是兩種應用廣泛的靜態(tài)網(wǎng)絡[2],其中RBF神經(jīng)網(wǎng)絡是一種特殊的三層前向網(wǎng)絡,它具有非線性可分的模式空間映射到線性可分狀態(tài)空間的特性,適合于多變量函數(shù)逼近,理論上能夠以任意精確度逼近任意連續(xù)函數(shù),被廣泛應用于模式識別,函數(shù)逼近,信號處理等方面。RBF網(wǎng)絡結(jié)構(gòu)包括輸入層、隱層和輸出層。輸入層只傳遞輸入信號到隱層;隱層由一組徑向基函數(shù)構(gòu)成,與每個隱層節(jié)點相關的參數(shù)向量為徑向基函數(shù)的中心和寬度;而輸出層節(jié)點通常是簡單的線性函數(shù)。RBF網(wǎng)絡的基函數(shù)常選用高斯函數(shù),其表達式為：

式中,范數(shù)通常采用歐幾里德范數(shù);cij是徑向基函數(shù)的中心;σi是徑向基函數(shù)的寬度;xj是輸入。一般來說,RBF網(wǎng)絡的學習過程可分為兩個階段:一是確定函數(shù)的參數(shù),通常采用K-均值聚類方法;二是權(quán)值w的學習,采用監(jiān)督學習方法。

2·粒子群優(yōu)化(PSO)算法

粒子群優(yōu)化(Particle Swarm Optimization-PSO)算法是近年來發(fā)展起來的一種新的進化算法。它和遺傳算法相似,但是遺傳算法的編程實現(xiàn)比較復雜,需要先對問題進行編碼,找到最優(yōu)解后還要對問題進行解碼,另外3個基本算子:選擇、交叉和變異實現(xiàn)也有許多參數(shù),如交叉率和變異率,這些參數(shù)的選擇大部分是依靠經(jīng)驗,并且這些參數(shù)的選擇嚴重影響解的品質(zhì)。1995年Eberhart博士和kennedy博士提出了一種新的進化算法:粒子群優(yōu)化(Particle Swarm Optimization-PSO)算法[3]。由于這種算法具有實現(xiàn)容易、精度高、收斂快等優(yōu)點,從而引起了學術(shù)界的重視,并且在解決實際問題中展示了其優(yōu)越性。粒子群優(yōu)化算法是對鳥群覓食過程的遷徙和聚集的模擬,通過追隨當前搜索到的最優(yōu)值來尋找全局最優(yōu)。它與遺傳算法不同的是沒有選擇、交叉、變異過程,采用速度-位置搜索模型。粒子群優(yōu)化隨機初始化為一群粒子,每個粒子代表空間的一個候選解,解的優(yōu)劣程度由適應度來決定。在每一次迭代中,粒子通過跟蹤兩個“極值”來更新自己的位置和速度,更新公式為：

此算法核心思想包括:

1)粒子以隨機方式在整個問題空間中流動并且可以對自己所處的環(huán)境進行評價;

2)每個粒子均可以記憶自己到過的最好位置和感知鄰近粒子已到達的最好位置;

3)在改變速度的同時考慮自己到過的最好位置和鄰近粒子已到達的最好位置。