數(shù)值分析和支持向量機(jī)在織物染色配色中的對(duì)比研究.pdf

1、傳統(tǒng)的織物配色技術(shù)主要有兩種：三刺激值配色和全光譜配色。這兩種方法都是基于Kubelka-Munk理論。由于該理論引進(jìn)了一系列的假設(shè)，而實(shí)際染色過(guò)程只能部分滿足這些假設(shè)，因此以此理論為基礎(chǔ)的配色方法不能給出精確的染色配方，使得色差較大，很難滿足各種復(fù)雜的生產(chǎn)需求。 織物染色配色實(shí)質(zhì)上是一個(gè)復(fù)雜的非線性求解問(wèn)題。由于神經(jīng)網(wǎng)絡(luò)是進(jìn)行非線性過(guò)程建模的有效手段，因此，很多科研人員開始嘗試將其用于計(jì)算機(jī)配色方面并取得了一定的成果。但是利用

2、神經(jīng)網(wǎng)絡(luò)建模還存在著許多待解決的問(wèn)題，如神經(jīng)網(wǎng)絡(luò)的泛化問(wèn)題和局部極小值問(wèn)題。 為了克服現(xiàn)有織物配色方法中的不足，本文將數(shù)值分析和支持向量機(jī)思想引入到織物染色計(jì)算機(jī)配色過(guò)程中，并對(duì)這兩種方法進(jìn)行了對(duì)比研究。 基于數(shù)值分析的織物染色配色方法，研究了單色小樣三刺激值XYZ與其濃度之間的規(guī)律，建立了三拼色數(shù)學(xué)模型，然后通過(guò)進(jìn)行最小二乘擬合并使用Newton-Krylov算法，實(shí)現(xiàn)染料濃度的求解。實(shí)驗(yàn)數(shù)據(jù)證明該方法精確度高于傳統(tǒng)的

3、BP網(wǎng)絡(luò)配色法，基本上滿足配色要求。 在對(duì)織物染色配色規(guī)律進(jìn)一步研究的基礎(chǔ)上，將支持向量機(jī)回歸算法用于計(jì)算機(jī)配色。支持向量機(jī)是一種基于統(tǒng)計(jì)學(xué)習(xí)理論框架下的一種新的通用機(jī)器學(xué)習(xí)方法，是一種處理非線性分類和非線性回歸的有效方法。 本文討論了支持向量機(jī)回歸方法(SVR)在織物染色配色過(guò)程中的應(yīng)用，通過(guò)交叉驗(yàn)證選用RBF函數(shù)作為支持向量機(jī)的核函數(shù)，并采用粒子群算法進(jìn)行支持向量機(jī)參數(shù)的優(yōu)化，取得了較好的效果。預(yù)測(cè)結(jié)果表明，在對(duì)織物