染色体建模..doc

基于ANFIS和数学建模方法的织物染色计算机配色应用研究 摘要 由于传统的织物染色配色方法费时费力，精确度不高，在研究自适应神经网络 的模糊推理系统(Adaptive Network-based Fuzzy Inference System, ANFIS)理论及配色 原理的基础上，本文提出了两种计算机配色方法，一种是将ANFIS技术引入到织物 染色计算机配色的领域，建立了一个具有足够配色精度的基于ANFIS的织物染色计 算机配色模型。另一种是从织物染色的配色特点和颜色的混合性理论出发，对配色 过程中的相关问题进行了分析与抽象，提取主要影响因素，建立了三拼色数学配色 模型。并采用模拟退火算法对模型进行了求解。 文中首先分析了自适应神经网络的模糊推理系统的一般理论，建立了基于 ANFIS的织物染色计算机配色模型。应用该模型对样本数据进行仿真训练，并与以 往的基于神经网络的配色模型进行了比较，在比较了两种不同网络模型的预测误差 和网络性能的基础上，分析了它们的优缺点并提出了改进措施。 随后本文针对ANFIS易陷入局部极小点的缺点，将遗传算法(Genetic Algorithm, GA)引进到ANFIS中，提出了基于GA改进的ANFIS的织物染色配色模型。针对 ANFIS模型的配色精确度不是太高、收敛速度慢等缺点，本文还提出了利用粒子群 优化算法((Particle Swarm Optimization, PSO)来改进标准的ANFIS并且进行了仿真实 验。实验结果表明基于遗传算法改进的ANFIS模型比标准的ANFIS模型仿真误差 小，收敛速度快，而基于粒子群算法优化的ANFIS模型比基于遗传算法优化的 ANFIS模型误差更小，收敛速度更快，能够较准确地预测出织物染色的配方。 论文最后一章通过对染色数据进行分析，发现三拼色染色小样的CMY值与染料 浓度之间存在非线性关系，并通过数学建模的方法，建立了单色数学配色模型与三 拼色数学配色模型，并通过模拟退火算法对数学配色模型进行了求解，计算结果证 明:与神经网络方法相比，该方法精确度较高，不存在泛化能力的问题，取得了令 人满意的结果。 文中提出的上述几种配色模型为织物染色的计算机配色提供了新的方法，同时 也为其在织物染色计算机配色中的应用提供了新的理论参考，具有一定的理论研究 价值和实际应用价值。 关键词:织物染色;ANFIS;数学建模;PSO算法;模拟退火算法 目录 第一章绪论...........................................................1 1. 1研究背景与意义............................................……1 1. 2国内外研究动态..................................................2 1. 2. 1计算机配色技术简介........... ...................……。…2 1.2.2国内外研究动态...............， ...........................3 1. 3主要内容与创新点................................................4 第二章织物染色配色原理...............................................6 2. 1色度学基本原理.................... .......................…...6 2.1.1颜色属性............................................……6 2.1.2颜色空间......................……。...............……6 2. 1. 3颜色混合....................................……，.……7 2. 1. 4色差分析.…，.......................................……7 2. 2配色的理论基础—Kubelka-Munk理论......................……‘9 2. 3计算机配色技术...........................................……9 2. 3. 1三刺激值配色方法................................