基于粒子群算法优化 BP 神经网络的色彩空间转换

目的研究基于粒子群算法优化BP神经网络对显示器色彩空间转换的预测准确性的方法。方法主要通过数据归一化处理、改进最大限制速度、惯性常数和适应度函数来优化BP神经网络的权值和阈值,以缩小其分布范围,再用BP神经网络法进行色差预测。结果改进粒子群算法优化BP神经网络预测模型,测试20次得到色块平均色差为2.8526,最小平均色差为2.0453。结论该方法大大降低了BP神经网络预测模型陷入局部极小值的可能性,对显示器色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

模拟退火优化BP神经网络在航向控制系统中的应用

目前，广泛运用于神经网络中的误差反向传播算法（BP算法）训练时间较长，且易陷入局部最优．为了克服BP算法的固有缺陷，文中提出了在BP算法中加入模拟退火算法权因子．在航向控制系统中进行了仿真，数据显示该算法比单纯BP算法更能优化控制器性能参数和全局搜索能力，收敛速度更快，精度提高比较明显。     

遗传算法优化 BP 神经网络的显示器色彩空间转换

目的基于改进遗传算法优化BP神经网络,研究对显示器色彩空间转换的预测准确性的方法。方法通过改进数据归一化处理和遗传算法的适应度函数,来优化BP神经网络的权值和阈值,以将它们的分布范围缩小,再用BP算法进行精确求解,并将该方式与常规方式作对比。结果训练优化后的BP神经网络预测模型20次,测试色块平均色差为2.9353,最小平均色差为1.9467。结论该方法大大降低了BP神经网络预测模型陷入局部极小值的可能性,对显示器色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

基于模拟退火改进的神经网络算法在颗粒碰撞阻尼研究中的应用

振动问题的普遍存在,使得对振动的研究极为必要。振动分析中建立的系统阻尼的目标函数往往比较复杂,影响因素众多,很难用传统数学建模的方法建立模型,传统的神经网络分析和模拟也很难得到建模问题的全局最优解。为此,将传统的反向传播算法（BP算法）神经网络模型结合模拟退火算法及最佳保留原则,提出一种改进的神经网络模型,得出了颗粒粒度、颗粒填充率和系统阻尼之间的关系。     

模拟退火改进的神经网络算法及其在振动分析中的应用

将传统的反向传播算法(BP算法)神经网络模型结合模拟退火算法及最佳保留原则,提出一种改进的神经网络模型,并将改进之后的网络模型应用于对颗粒碰撞阻尼的分析。训练仿真结果显示:改进后的算法与传统的BP算法、LM算法相比具有更高的可靠性,更快的收敛速度,仿真结果与实验结果更接近。用训练好的模拟退火神经网络模型对颗粒碰撞阻尼的激振频率、填充率和振幅有效值等参数进行了仿真,得到了系统在低频阶段颗粒粒度、填充率和振幅有效值之间的关系。     

基于BP神经网络的CMY到XYZ颜色空间转换算法研究

对基于BP神经网络的CMY到XYZ颜色空间转换算法进行了探讨,给出了算法工作流程并建立了模型.最后通过实验对算法进行了验证.     

基于人工鱼群和模拟退火算法的电商快递纸箱规格优化

目的 对快递纸箱规格优化进行研究,在满足商品对纸箱需求和不增加纸箱规格种类的前提下,达到尽可能减少包装材料使用量的目标.方法 根据商品对快递纸箱的实际需求,以瓦楞纸使用总量最小化为目标函数,以商品和纸箱规格的匹配关系为约束条件建立优化模型.使用人工鱼群与模拟退火算法融合的求解算法对模型求解.结果 在仿真实验中,使用文中提出的建模求解方法得到的纸箱规格优化方案较中国邮政现行纸箱规格体系瓦楞纸使用量节省了23％,而采用k-means聚类分析得到的纸箱规格优化设计方案中瓦楞纸使用量仅节省了11％.结论 该方法可以满足商品批量小、种类多、尺寸各异、动态更新的电商环境下快递纸箱规格优化的需求,有助于改善快递行业包装过度使用的现状.     

采用模拟退火算法的冠状动脉三维重建优化研究

在心脏冠状动脉的三维重建过程中,为了达到较好的重建结果,常常需要在造影前对造影系统进行标定,以得到较为精确的几何参数,但标定这一过程增加了三维重建在临床应用上的复杂度.本文提出了一种优化方法,不需要对造影系统进行标定,根据实际血管投影和三维重建血管投影之间的误差最小化这一原则,采用自适应模拟退火算法对重建后的结果进行迭代优化.结果显示优化后的结果较未优化前有了很大的改善.     

基于饱和度优先的 BP 神经网络颜色空间转换模型研究

利用神经网络算法的非线性转换优势,构建了基于BP神经网络的颜色空间转换正向和反向仿真模型,提出了数据仿真饱和度优先的方法。通过训练样本的选取、仿真实验和数据分析,得到了较好的训练效率和转换效果。仿真结果表明,BP神经网络适合于颜色空间转换,转换精度较高。     

基于遗传模拟退火算法的空袭兵力分配及优化

对遗传模拟退火算法中的交叉、变异操作进行了改进，并实施了最优保留策略，形成了改进遗传模拟退火算法．以突击效果最大化和兵力损失最小化为目标函数，以空袭兵力总量的限制、空袭兵器挂载类型的限制等为约束条件，建立了空袭兵力分配及优化模型．在考虑兵力分配模型特点的基础上，利用改进遗传模拟退火算法求解．通过与多目标数学规划和标准遗传算法优化进行的比较表明，该方法能够有效地解决带约束的多目标优化问题．     

基于RBF神经网络的色空间转换模型

研究了RBF神经网络的结构及算法,应用RBF神经网络建立了打印机的色空间转换模型.根据实验数据,对网络结构进行了优化,通过比较不同参数时网络的性能,确定最优网络参数.最后对所建模型进行了仿真验证,验证结果表明,预测数据与实测数据的色差较小,说明该模型具有实用价值.     

BP 神经网络在显示器色空间转换中的应用

用色彩管理软件以及分光光度仪对显示器的屏幕进行了校准和特性化,采用BP 神经网络法建立了从RGB 色空间到Lab 色空间的转换模型。通过对实验数据进行对比分析,结果表明这种算法对色彩空间转换具有较好的非线性拟合能力和更高的预测准确性。     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

基于BP神经网络的CMYK到L*a*b*颜色空间转换模型

由于BP神经网络不需要充分的理论根据,利用色靶的大量数据,通过BP神经网络,建立了CMYK到L*a*b*色空间的转换关系,并评价了模型精度。研究结果表明:BP神经网络用于CMYK到L*a*b*颜色空间转换,计算速度快,转换精度较高。