遗传RBF网络在织物染色配色中的应用.pdfVIP

维普资讯 第22卷 第4期 青 岛大 学学报 (工程技 术版 ) VoI．22NO．4 2007年 12月 JOURNALOFQINGDAOUNIVERSITY (E＆T) DeC．200 7 文章编号 ：1006—9798(2007)04—0055—05 遗传 RBF网络在织物染色配色中的应用 张秉森 ，王 莹 (青岛大学信息工程学院，山东青岛266071) 摘要 ：讨论 了具有非线性 、不确定特性 的织物染色配色过程建模与仿真 问题。针对传统 的织物染色配色方法效果差、精确度不高和难以达到期望结果 的问题，结合 RBF神经网 络 的特点，提出了用基于遗传算法训练的RBF神经网络 ，同时优化 网络 的参数 ，并利用遗 传RBF神经网络建立织物染色配色模型。仿真结果表明，该模型不仅提高 15 的精确 度，而且具有全局搜索能力和很好的鲁棒性 ，在解决织物染色配色问题上取得 了预期配色 效果 。 关键词：RBF神经网络 ；遗传算法 ；织物染色；配色 中图分类号：TP389．1 文献标识码：A 织物染色配色问题实质上是一个复杂的非线性求解问题 ，运用传统 的方法存在工作量大 ，精确度不高等 问题 。人工神经网络方法的引入为研究这一类问题提供了新的手段 ，然而神经网络也存在一些缺陷，如训练 速度慢、全局搜索能力弱等。所以如何提高网络 的学习效率 ，增强网络的稳定性能是急需解决的问题。遗传 算法是一种模拟 自然遗传学原理和生物进化理论的仿生算法 ，具有全局并行 的随机搜索能力和很强的鲁棒 性 。因此 ，将遗传算法引入到人工神经网络训练中，有助于提高网络的全局搜索能力 ，得到稳定性能好的网 络结构 。径向基函数 (RadialBasisFunction，RBF)神经网络是 以函数逼近理论为基础而构造的一类新颖 的前向网络 ]。该网络在逼近能力和学习速度等方面优于BP网络，具有很强的非线性映射功能，在 函数拟 合和模式识别等方面有着广泛的应用[2]。由于RBF神经网络和遗传算法具有的这些特点，因此在本文 中将 遗传算法和 RBF神经网络相结合建立织物染色配色模型，并进行仿真试验研究。 1 RBF神经网络 RBF神经网络是一种特殊的三层前向网络 ，它具有非线性可分 的模式空间映射到线性可分状态空间的 特性 ，理论上已经证明它能够以任意精确度逼近任意连续函数[3]。RBF网络结构包括一个输入层、一个隐层 和一个输出层 ，输入层节点只传递输入信号到隐层 ，隐层节点由像高斯 函数那样的辐射状作用函数构成 ，而 输出层节点通常是简单的线性 函数。 隐层节点中的作用函数 (基函数)对输入信号将在局部产生响应，也就是说当输入信号靠近基函数的中 央范围时，隐层节点将产生较大的输出，由此看出此种 网络具有局部逼近能力 。RBF 网络的基 函数选用高 斯函数 ，其表达式为 R如)一exp-一『 ] (1) L 厶tTi J 式中，范数 ll·ll通常采用欧几里德范数 C是径 向基函数 的中IL, 是径 向基函数 的宽度 ；X，是输入。其 收稿 日期 ：2007一O7—17；修 回日期 ：2007—11—03 作者简介：张秉森(1956一)，男，山东即墨人，硕士，教授 ，主要研究领域为计算机辅助设计和计算机配色。 维普资讯 56 青 岛大学学报 (工程技术 版) 第 22卷 学习算法分为两个阶段：即调整隐层单元 RBF的中心和调整输 出层与隐层之间的连接权值 。通常传统的算 法 中采用 是一均值聚类算法调整隐层单元 RBF的中心，采用基于最小二乘法算法调整连接权值Ⅲ。 2 基于遗传算法的RBF神经网络 2．1 遗传算法简述 遗传算法 (GeneticAlgorithms，G