基于GABP算法的油墨配色研究

论文摘要

为了提高印刷油墨配色精度,本文提出了使用遗传算法(GA)优化的BP神经网络模型GABP。首先采集了颜色样本的光谱数据和CMYK四色网点面积率分别作为输入值和输出值,然后通过遗传算法优化了BP神经网络的结构和参数,并进行了训练,最后将模型的预测精度做对比分析,使用未经遗传算法优化的BP神经网络模型的平均误差为8.6%,使用GABP模型的平均误差为4.5%。结果表明,经遗传算法(GA)优化的油墨配色模型预测精度有了大幅度提高,对印刷企业油墨配色有很好的应用价值。

论文目录

• 1 实验设计
•   1.1 实验数据采集
•   1.2 实验研究
• 2 构建预测模型
•   2.1 BP神经网络及结构设计
•     2.1.1 神经网络
•     2.1.2 神经网络参数确定
•       1) 神经网络节点数的确定
•       2) 神经网络训练
•     2.1.3 BP神经网络预测结果
•   2.2 遗传算法及参数设置
•     1) 实数编码
•     2) 初始化种群
•     3) 适应度计算
•     4) 杂交与变异
•     5) 最优种群
• 3 混合模型在配色系统中的应用
•   1) 构建模型。
•   2) 配方计算。
•   3) 模型应用。
• 4 数据分析
• 5 结 语

文章来源

类型: 期刊论文

作者: 张阁,郑元林,廖开阳,刘梦莹,王晓彤

关键词: 油墨配色,遗传算法,神经网络

来源: 西安理工大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 轻工业手工业,自动化技术

单位: 西安理工大学印刷包装与数字媒体学院,陕西省印刷包装工程重点实验室

基金: 陕西省教育厅科研计划资助项目(17JK0990)

分类号: TS801.3;TP18

DOI: 10.19322/j.cnki.issn.1006-4710.2019.01.018

页码: 113-119

总页数: 7

文件大小: 699K

下载量: 73