基于粒子群优化支持向量回归机的渲染时间预估-江苏科技大学学报.pdfVIP

第３１卷第２期 江苏科技大学学报（自然科学版） Ｖｏｌ３１ Ｎｏ２ 　 ２０１６年４月 ＪｏｕｒｎａｌｏｆＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）　 Ａｐｒ．２０１７ 　　　　　　 ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３－４８０７．２０１７．０２．０１６ 基于粒子群优化支持向量回归机的渲染时间预估 张　冉，韩　斌 （江苏科技大学 计算机科学与工程学院，镇江　２１２００３） 摘　要：通过对使用ＶＲａｙ渲染器的渲染系统进行深入分析，提取出影响渲染时间的１３个特征参数，研究了基于粒子群优 化支持向量回归机（ＰＳＯＳＶＲ）的渲染时间预估方法，采用粒子群算法随机搜索策略优化支持向量回归机的训练参数，获得 了较优的支持向量回归机预测模型，实现渲染时间的准确预估．实验结果表明，在渲染时间预估中，ＰＳＯＳＶＲ比ＢＰ神经网 络和逐步回归预测精度高，并且具有较好的泛化能力． 关键词：支持向量回归机；粒子群优化；渲染；渲染时间预估 中图分类号：ＴＰ３９１　　　　　文献标志码：Ａ　　　　　文章编号：１６７３－４８０７（２０１６）０１－０２０７－０７ Ｔｉｍｅｐｒｅｄｉｃｔｉｏｎｆｏｒｒｅｎｄｅｒｉｎｇｂａｓｅｄｏｎ ｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎｏｐｔｉｍｉｚｅｄｂｙｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ  ＺＨＡＮＧＲａｎ，ＨＡＮＢｉｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｚｈｅｎｊｉａｎｇ２１２００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｈｒｏｕｇｈｉｎｄｅｐｔｈａｎａｌｙｓｉｓｏｆｔｈｅｒｅｎｄｅｒｉｎｇｓｙｓｔｅｍｗｉｔｈａＶＲａｙｒｅｎｄｅｒｅｒ，ｗｅｅｘｔｒａｃｔｔｈｅｔｈｉｒｔｅｅｎｆａｃ ｔｏｒｓｔｈａｔａｆｆｅｃｔｔｈｅｒｅｎｄｅｒｉｎｇｔｉｍｅ，ｔｈｅｎｓｔｕｄｙｔｉｍｅｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｆｏｒｒｅｎｄｅｒｉｎｇｂａｓｅｄｏｎｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅ ｇｒｅｓｓｉｏｎｏｐｔｉｍｉｚｅｄｂｙｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯＳＶＲ）．Ｉｎｔｈｉｓｍｅｔｈｏｄ，ｗｅａｄｏｐｔｒａｎｄｏｍｓｅａｒｃｈｓｔｒａｔｅｇｙ ｏｆｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｔｏｏｐｔｉｍｉｚｅｔｈｅｔｒａｉｎｉｎｇｐａｒａｍｅｔｅｒｓｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎ，ｇａｉｎｔｈｅ ｏｐｔｉｍｉｚｅｄｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌ ，ａｎｄｒｅａｌｉｚｅｔｈｅｒｅｎｄｅｒｔｉｍｅａｃｃｕｒａｔｅｆｏｒｅｃａｓｔｓ．Ｔｈｅｅｘｐｅｒｉ ｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｉｎｔｉｍｅｐｒｅｄｉｃｔｉｏｎｏｆｒｅｎｄｅｒｉｎｇ，ＰＳＯＳＶＲｉｓｍｕｃｈｂｅｔｔｅｒｔｈａｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄ ｓｔｅｐｗｉｓｅｒｅｇｒｅｓｓｉｏｎ，ｉｔｓｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｉｓｇｒｅａｔｌｙｉｍｐｒｏｖｅｄ，ａｎｄｉｔｈａｓｇｏｏｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙ． Ｋｅｙｗｏｒｄｓ：ｓｕｐｐｏｒｔｖｅｃｔｏｒｒｅｇｒｅｓｓｉｏｎ，ｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ，ｒｅｎｄｅｒｉｎｇ，ｒｅｎｄｅｒｔｉｍｅｐｒｅｄｉｃｔｉｏｎ 　　在计算机技术和计算机图形技术快速发展的 任务的并行化必不可少，渲染时间预估则是渲染任 时代，渲染引擎在各方面得到越来越广泛的应用， 务分解与并行调度中至关重要的一步．渲染时间预 例如：电影、动漫、游戏、广告等．同时，渲染任务的 估根据历史数据预测新场景渲染时间，这方面的研 计算量也日益增大，对于复杂的真实感渲染任务， 究工作较少．文献［２］中提出使用模糊神经网络模