版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、印染環(huán)境中不穩(wěn)定的照射光源會(huì)引起織物表面顏色的變化從而導(dǎo)致嚴(yán)重的色差評(píng)價(jià)誤差,影響產(chǎn)品的質(zhì)量。在傳統(tǒng)的紡織印染行業(yè)中,染色品顏色的校正主要依靠具有豐富辨色經(jīng)驗(yàn)的專業(yè)人員使用人眼來完成。這種人工方法投入成本高,存在一定的主觀性,效率低下。因此利用機(jī)器學(xué)習(xí)的理論和方法自動(dòng)高效地估計(jì)出場景的光照色度,提高染色品顏色校正的準(zhǔn)確性,使其與標(biāo)準(zhǔn)色樣一致,是非常有意義的研究方向。本文的研究工作主要圍繞單一光照下基于機(jī)器學(xué)習(xí)的技術(shù)構(gòu)建具有良好泛化能力和
2、穩(wěn)定性的光照色度估計(jì)模型,并用于解決印染過程中紡織品顏色校正問題。論文的主要工作和研究成果概括如下:
?。?)對顏色校正的基本概念和研究現(xiàn)狀進(jìn)行了簡要的介紹,分析和比較了各種顏色校正算法的特點(diǎn)及優(yōu)缺點(diǎn)。重點(diǎn)研究了具有較好性能的基于極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)的顏色校正算法,并對極限學(xué)習(xí)機(jī)的工作原理和存在的問題進(jìn)行了深入的分析和討論,為本文的后續(xù)工作提供理論基礎(chǔ)。
?。?)針對EL
3、M的訓(xùn)練精度和穩(wěn)定性易受網(wǎng)絡(luò)輸入權(quán)值和隱含層偏置隨機(jī)給定的影響,提出了一種基于Bagging的集成PSO-ELM光照預(yù)測模型。首先,利用粒子群優(yōu)化(Particle Swarm Optimization,PSO)算法良好的全局搜索能力對極限學(xué)習(xí)機(jī)模型的輸入權(quán)值矩陣和隱含層偏差進(jìn)行迭代優(yōu)化,形成改進(jìn)的PSO-ELM光照預(yù)測模型;同時(shí),為了進(jìn)一步提高算法的性能,采用集成技術(shù)Bagging算法,生成多個(gè)差異度大的PSO-ELM子網(wǎng)絡(luò);最后,通
4、過簡單平均法將各個(gè)訓(xùn)練好的PSO-ELM進(jìn)行融合,構(gòu)成集成改進(jìn)極限學(xué)習(xí)機(jī)Bagging-PSO-ELM光照估計(jì)模型。實(shí)驗(yàn)結(jié)果表明,相比于傳統(tǒng)的基于ELM的顏色校正方法,該模型取得了較高的預(yù)測精度,具有較強(qiáng)的泛化能力和良好的穩(wěn)定性。
(3)針對基于支持向量回歸(Support Vector Regression,SVR)的顏色校正算法學(xué)習(xí)效率低、單輸出、以及預(yù)測精度不高的問題,將核函數(shù)引入到極限學(xué)習(xí)機(jī)中,提出了一種基于核極限學(xué)習(xí)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評(píng)論
0/150
提交評(píng)論