一种基于GA-RBF神经网络的打印机颜色预测模型
针对打印机的非线性以及印刷条件的复杂性,提出一种基于遗传算法(GA)优化的径向基(RBF)神经网络与子空间划分的打印机颜色预测模型.对打印机进行子空间划分,在子空间中进行模型的构建,采用GA同时对RBF神经网络的隐含层节点的中心和宽度参数进行优化进而构建了GA-RBF神经网络模型.同时将本文算法与RBF神经网络、Yule-Nielsen修正的Cell Neugebauer(CYNSN)模型两种主流算法的预测精度进行了比较.实验结果表明,GA的优化弥补了RBF神经网络可调参数单一的缺陷,提高了模型的预测精度,与其他模型相比,该模型具有较高的预测精度和泛化能力,用于打印机的颜色预测是切实可行的.
光谱学、RBF神经网络、遗传算法、颜色预测模型、光谱反射率
52
TG161(金属学与热处理)
上海市研究生创新基金项目JWCXSL1402
2015-12-30(万方平台首次上网日期,不代表论文的发表时间)
288-293