[發明專利]一種反向CYNSN模型中的子空間搜索算法

無效

• 申請號: 201210595446.4
• 申請日: 2012-12-10
• 公開（公告）號: CN103530494A
• 公開（公告）日: 2014-01-22
• 發明（設計）人: 岑夏鳳
• 申請（專利權）人: 岑夏鳳
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種反向CYNSN模型中子空間搜索算法，其特征在于包括以下步驟：

1)選取打印機的n個墨水，每個墨水從0(無墨水)到1(最大墨水量)分為m段，共將整個墨水空間分為mⁿ個子空間，每一個子空間包含2ⁿ個頂點，整個墨水空間含有(m+1)ⁿ個頂點；

2)打印所有(m+1)ⁿ個頂點作為訓練樣本，之后采用分光光度計對所有訓練樣本進行測量得相應的光譜，根據測得的所有訓練樣本的光譜建立正向CYNSN模型；

3)對于某一目標光譜，計算與每個頂點光譜的RRMS，計算公式如下：

RRMS=Σλ=λ1λ2(R1(λ)-R2(λ))2N]]>

式中，R₁(λ)和R₂(λ)是目標樣本和某一頂點的光譜，λ1和λ2為測量光譜范圍內的最小值和最大值，N是測量光譜范圍內的采樣個數。

4)選擇與目標光譜RRMS值最小的那個頂點，之后找出所有包含該頂點的子空間，稱為候選子空間，假定為t個候選子空間；

5)在每一個候選子空間中，以線性迭代算法計算目標光譜的墨水配方，共得到t個候選墨水配方，線性迭代算法采用UG算法；

6)對于每個候選墨水配方，利用正向CYNSN模型預測其對應的光譜，同時計算該預測光譜與目標光譜的RRMS值；

7)最終選擇所有預測光譜中RRMS值最小的所對應的那個候選子空間為最優子空間，在該候選子空間中計算的墨水配方為目標光譜的最終墨水配方。

2.根據權利要求1所述的一種反向CYNSN模型中的子空間搜索算法，，其特征在于所述步驟1)中選取打印機的n個墨水，每個墨水從0(無墨水)到1(最大墨水量)分為m段，共將整個墨水空間分為mⁿ個子空間。一般來說，為獲得較高的模型精度，m的取值應該大于等于6。

3.根據權利要求1所述的一種反向CYNSN模型中的子空間搜索算法，，其特征在于所述步驟2)中打印所有(m+1)ⁿ個頂點作為訓練樣本，之后采用分光光度計對所有訓練樣本進行測量得相應的光譜，根據測得的所有訓練樣本的光譜建立正向CYNSN模型。正向CYNSN模型的建立可采用R.Balasubramanian的方法。

4.根據權利要求1所述的一種反向CYNSN模型中的子空間搜索算法，，其特征在于所述步驟4)中選擇與目標光譜RRMS值最小的那個頂點，之后找出所有包含該頂點的子空間，稱為候選子空間。

5.根據權利要求1所述的一種反向CYNSN模型中的子空間搜索算法，，其特征在于所述步驟5)中在每一個候選子空間中，以線性迭代算法計算目標光譜的墨水配方，線性迭代算法可采用UG算法。

6.根據權利要求1所述的一種反向CYNSN模型中的子空間搜索算法，，其特征在于所述步驟7)中最終選擇所有預測光譜中RRMS值最小的所對應的那個候選子空間為最優子空間，在該候選子空間中計算的墨水配方為目標光譜的最終墨水配方。