基于改进极限学习机的颜色校正模型

为了改善极限学习机随机初始化输入权重和隐藏层节点偏置,导致模型性能不稳定的问题,提出一种自适应模拟退火遗传算法优化的极限学习机颜色校正模型。模型采用遗传算法对极限学习机的输入权重和隐藏层偏置实施全局优化搜索,结合自适应机制和模拟退火算法优化遗传算法中的选择、交叉和变异操作,以改善遗传算法中“早熟”和后期收敛速度慢的问题。利用Pantone色卡数据集测试,实验结果表明,使用所提方法进行校正,色差平均值、最大值、标准差和大于3 NBS的占比分别降低为校正前的14.40%、37.05%、35.41%和11.98%,优于其他相关方法,并且,提出的颜色校正模型的鲁棒性较好。