基于PSO算法的RBFNN在织物染色配色中的应用

由表2对样本浓度值和仿真浓度值进行比较,可以看出仿真的误差值较小,这个误差值已达到了较好的水平。经过对仿真结果进行再次打样并与原样本比较,颜色误差已在允许的范围内,达到了预期的效果。将基于粒子群优化算法的RBF神经网络的织物染色配色模型与基于遗传算法(GA)的RBF神经网络的织物染色配色模型进行比较,结果如表3所示。

由表3可知,基于RBF神经网络的粒子群优化算法用于织物染色配色产生的误差较小。所以,PSO算法是一种较好的神经网络算法。

5·结论

通过对基于RBF神经网络的PSO算法的织物染色配色模型的研究,表明粒子群优化算法是一种很有潜力的神经网络算法。此方法编程容易,参数调整简单,速度较快,应用到织物染色配色领域可取得较好的效果。

参考文献:

[1]张秉森,刘晓洁.神经网络在计算机配色中的应用[J].染料, 2005, 31(18): 29-32.

[2]Simon Haykin.神经网络原理[M].北京:机械工业出版社, 2004: 42-56.

[3]蔡兵,王培元,胡荣玉.RBF网络参数确定方法的研究[J].襄樊学院学报, 2008(2): 69-70.

[4]徐海松.颜色信息工程[M].浙江:浙江大学出版社, 2005: 1-25.

[5]史爱松,张秉森.基于RBF神经网络的遗传算法在织物染色配色中的应用研究[J].染料与染色, 2006, 43(3): 25-28.

[6]赵会洋,王爽,杨志鹏.粒子群优化算法研究综述[J].福建电脑, 2007(3): 40-41.

• · 印染加工中的色差控制
• · 活性染料印染物的防沾污皂洗问题
• · 如何提升溢流染色机的染色质量?
• · 数码印花机耗费多少墨水 你知道吗？
• · 超音波印染技术解析
• · 影响油墨预置技术应用的人为因素
• · 活性染色中难染颜色-紫色
• · 溢流喷射印花染色机在针织物染色过程
• · ANOZOL?<安诺素>L型活性染料40
• · 染色布色差控制浅析