配色是织物染色工艺中的关键环节。传统的库贝尔卡-蒙克(K-M)模型在配方预测系统中得到了广泛的应用,但双通道K-M模型不适用于含荧光的样品。提出一种基于麻雀搜索算法优化混合核极限学习机(SSA-HKELM)的荧光涤纶染色配方预测模型。通...配色是织物染色工艺中的关键环节。传统的库贝尔卡-蒙克(K-M)模型在配方预测系统中得到了广泛的应用,但双通道K-M模型不适用于含荧光的样品。提出一种基于麻雀搜索算法优化混合核极限学习机(SSA-HKELM)的荧光涤纶染色配方预测模型。通过高温高压工艺对荧光涤纶织物进行染色,建立配色数据库。为避免同色异谱现象,将光谱反射率数据作为SSA-HKELM模型输入。试验证明,该配色模型预测配方对每支染料的平均绝对百分比误差小于5%,其平均绝对百分比误差、均方根误差及决定系数均优于Datacolor Match Textile(DMT)软件的配色结果。此外,制作不同比例的测试样本进行预测,并对不同训练集比例下的测试集进行预测,结果表明该模型具有较好的泛化能力。在双拼和单色情况下,对该模型的适用性进行验证,该模型同样具有较好的预测效果。在模型预测配方色差评估中,CMC色差大多数小于1。SSA-HKELM配色模型对荧光涤纶织物染色配色有较好的应用价值。展开更多
【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定...【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定位区域内接收信号强度(RSS)与位置信息作为指纹数据;然后,训练SSA-ELM神经网络并得到预测模型,将测试集数据输入预测模型得到待测位置的定位结果;最后,设计了仿真实验和测试平台。【结果】仿真表明,在立体空间模型中0、0.3、0.6和0.9 m 4个接收高度,平均误差分别为1.73、1.86、2.18和3.47 cm,与反向传播(BP)、SSA-BP和ELM定位算法相比,SSA-ELM神经网络算法定位精度分别提高了83.55%、45.71%和26.26%,定位时间分别降低了36.48%、17.69%和6.61%。实验测试表明,文章所提SSA-ELM神经网络算法的平均定位误差为3.75 cm,比未优化的ELM神经网络定位精度提高了16.38%。【结论】SSA对ELM神经网络具有明显的优化作用,能够显著降低定位误差,减少定位时间。展开更多
文摘配色是织物染色工艺中的关键环节。传统的库贝尔卡-蒙克(K-M)模型在配方预测系统中得到了广泛的应用,但双通道K-M模型不适用于含荧光的样品。提出一种基于麻雀搜索算法优化混合核极限学习机(SSA-HKELM)的荧光涤纶染色配方预测模型。通过高温高压工艺对荧光涤纶织物进行染色,建立配色数据库。为避免同色异谱现象,将光谱反射率数据作为SSA-HKELM模型输入。试验证明,该配色模型预测配方对每支染料的平均绝对百分比误差小于5%,其平均绝对百分比误差、均方根误差及决定系数均优于Datacolor Match Textile(DMT)软件的配色结果。此外,制作不同比例的测试样本进行预测,并对不同训练集比例下的测试集进行预测,结果表明该模型具有较好的泛化能力。在双拼和单色情况下,对该模型的适用性进行验证,该模型同样具有较好的预测效果。在模型预测配方色差评估中,CMC色差大多数小于1。SSA-HKELM配色模型对荧光涤纶织物染色配色有较好的应用价值。
文摘【目的】针对极限学习机(ELM)神经网络在室内可见光定位(VLP)中收敛不稳定,易陷入局部最优状态,导致定位精度降低的问题,文章引入了麻雀搜索算法(SSA)确定ELM神经网络的初始权值和阈值,提出了SSA-ELM神经网络算法。【方法】首先,采集定位区域内接收信号强度(RSS)与位置信息作为指纹数据;然后,训练SSA-ELM神经网络并得到预测模型,将测试集数据输入预测模型得到待测位置的定位结果;最后,设计了仿真实验和测试平台。【结果】仿真表明,在立体空间模型中0、0.3、0.6和0.9 m 4个接收高度,平均误差分别为1.73、1.86、2.18和3.47 cm,与反向传播(BP)、SSA-BP和ELM定位算法相比,SSA-ELM神经网络算法定位精度分别提高了83.55%、45.71%和26.26%,定位时间分别降低了36.48%、17.69%和6.61%。实验测试表明,文章所提SSA-ELM神经网络算法的平均定位误差为3.75 cm,比未优化的ELM神经网络定位精度提高了16.38%。【结论】SSA对ELM神经网络具有明显的优化作用,能够显著降低定位误差,减少定位时间。
