由表2對(duì)樣本濃度值和仿真濃度值進(jìn)行比較,可以看出仿真的誤差值較小,這個(gè)誤差值已達(dá)到了較好的水平。經(jīng)過對(duì)仿真結(jié)果進(jìn)行再次打樣并與原樣本比較,顏色誤差已在允許的范圍內(nèi),達(dá)到了預(yù)期的效果。將基于粒子群優(yōu)化算法的RBF神經(jīng)網(wǎng)絡(luò)的織物染色配色模型與基于遺傳算法(GA)的RBF神經(jīng)網(wǎng)絡(luò)的織物染色配色模型進(jìn)行比較,結(jié)果如表3所示。
由表3可知,基于RBF神經(jīng)網(wǎng)絡(luò)的粒子群優(yōu)化算法用于織物染色配色產(chǎn)生的誤差較小。所以,PSO算法是一種較好的神經(jīng)網(wǎng)絡(luò)算法。
5·結(jié)論
通過對(duì)基于RBF神經(jīng)網(wǎng)絡(luò)的PSO算法的織物染色配色模型的研究,表明粒子群優(yōu)化算法是一種很有潛力的神經(jīng)網(wǎng)絡(luò)算法。此方法編程容易,參數(shù)調(diào)整簡(jiǎn)單,速度較快,應(yīng)用到織物染色配色領(lǐng)域可取得較好的效果。
參考文獻(xiàn):
[1]張秉森,劉曉潔.神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)配色中的應(yīng)用[J].染料, 2005, 31(18): 29-32.
[2]Simon Haykin.神經(jīng)網(wǎng)絡(luò)原理[M].北京:機(jī)械工業(yè)出版社, 2004: 42-56.
[3]蔡兵,王培元,胡榮玉.RBF網(wǎng)絡(luò)參數(shù)確定方法的研究[J].襄樊學(xué)院學(xué)報(bào), 2008(2): 69-70.
[4]徐海松.顏色信息工程[M].浙江:浙江大學(xué)出版社, 2005: 1-25.
[5]史愛松,張秉森.基于RBF神經(jīng)網(wǎng)絡(luò)的遺傳算法在織物染色配色中的應(yīng)用研究[J].染料與染色, 2006, 43(3): 25-28.
[6]趙會(huì)洋,王爽,楊志鵬.粒子群優(yōu)化算法研究綜述[J].福建電腦, 2007(3): 40-41.
<<上一頁[1][2][3]
相關(guān)信息 
推薦企業(yè) 推薦企業(yè)
推薦企業(yè)
源經(jīng)編.gif)
您所在的位置：
