

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、傳統(tǒng)的織物染色配色方法存在精確度不高、效率較低等諸多弊端,這種方法已經無法適應如今印染行業(yè)小批量、多樣式、交貨快的生產需要。人工神經網絡,尤其是BP網絡的引入為解決這一類問題提供了新的手段。然而大規(guī)模的訓練樣本集加上BP網絡本身的弊端導致了網絡訓練時間長、收斂速度慢,這些問題使BP網絡用于織物染色配方的預測遇到了極大的挑戰(zhàn)。為此,本文提出從BP算法本身的改進和樣本集的聚類精簡等兩個不同的方面來提高基于BP網絡的織物染色配色模型的性能。
2、 論文首先介紹了神經網絡的基本原理和常用的網絡模型-BP神經網絡,針對BP算法本身的弊端,分析對比了兩種不同的改進BP算法,綜合考慮各項性能指標并最終確定用LM算法來構建BP神經網絡織物染色配色模型。同時,結合色差原理和聚類分析原理,經過研究發(fā)現(xiàn)在Lab色彩空間下布料樣本集屬于可聚類結構,這為樣本的聚類分析進而精簡樣本集奠定了理論基礎。 隨后,根據(jù)訓練BP網絡的需要,先后進行了樣本集的采集、色彩空間轉換、聚類分析、標準化等
3、工作,并最終確定了基于聚類的BP神經網絡織物染色配色模型的教師樣本和檢驗樣本。接著給出了網絡模型的具體構建過程。 最后分別用基于動量的BP神經網絡和基于LMBP的神經網絡對聚類后的樣本集進行訓練,比較二者在網絡的收斂速度和訓練精度的性能差異:用基于LMBP的神經網絡分別對全體樣本集和聚類精簡樣本集進行訓練,比較二者在收斂速度的差異:用基于LMBP的神經網絡分別對隨機選取精簡的樣本和聚類精簡的樣本進行訓練,比較二者在泛化能力上的差
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。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,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確性、安全性和完整性, 同時也不承擔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。
最新文檔
- 基于改進BP神經網絡的織物染色計算機配色算法研究.pdf
- 基于遺傳算法的BP神經網絡在織物染色配色中的應用研究.pdf
- 貝葉斯改進BP神經網絡在織物染色配色中的應用研究.pdf
- 回歸分析在織物染色計算機配色中的應用研究.pdf
- 典型相關分析在織物染色計算機配色中的應用研究
- 典型相關分析在織物染色計算機配色中的應用研究.pdf
- 插值分析在織物染色計算機配色中的應用研究.pdf
- 基于多元與曲線回歸分析在織物染色計算機配色中的應用研究.pdf
- 基于隱層改進的BP網絡在織物染色配色中的應用研究.pdf
- 多項式回歸分析在織物染色計算機配色中的應用研究.pdf
- 多元非線性回歸分析在織物染色計算機配色中的應用研究.pdf
- 基于ANFIS和數(shù)學建模方法的織物染色計算機配色應用研究.pdf
- 基于非線性擬合的織物染色計算機配色研究.pdf
- 基于RBF神經網絡的遺傳算法在織物配色中的應用研究.pdf
- 非線性偏最小二乘回歸在織物染色計算機配色中的應用研究.pdf
- 織物染色計算機配色誤差分析與研究.pdf
- 復雜網絡聚類及其在神經網絡中的應用研究.pdf
- 神經網絡技術在印染配色中的應用研究.pdf
- 控制變量法在織物染色配色中的應用研究.pdf
- BP神經網絡與卷積神經網絡在文字識別中的應用研究.pdf
評論
0/150
提交評論