[发明专利]一种反向CYNSN模型中的子空间搜索算法

权利要求书

1.一种反向CYNSN模型中子空间搜索算法，其特征在于包括以下步骤：

1)选取打印机的n个墨水，每个墨水从0(无墨水)到1(最大墨水量)分为m段，共将整个墨水空间分为mⁿ个子空间，每一个子空间包含2ⁿ个顶点，整个墨水空间含有(m+1)ⁿ个顶点；

2)打印所有(m+1)ⁿ个顶点作为训练样本，之后采用分光光度计对所有训练样本进行测量得相应的光谱，根据测得的所有训练样本的光谱建立正向CYNSN模型；

3)对于某一目标光谱，计算与每个顶点光谱的RRMS，计算公式如下：

RRMS=Σλ=λ1λ2(R1(λ)-R2(λ))2N]]>

式中，R₁(λ)和R₂(λ)是目标样本和某一顶点的光谱，λ1和λ2为测量光谱范围内的最小值和最大值，N是测量光谱范围内的采样个数。

4)选择与目标光谱RRMS值最小的那个顶点，之后找出所有包含该顶点的子空间，称为候选子空间，假定为t个候选子空间；

5)在每一个候选子空间中，以线性迭代算法计算目标光谱的墨水配方，共得到t个候选墨水配方，线性迭代算法采用UG算法；

6)对于每个候选墨水配方，利用正向CYNSN模型预测其对应的光谱，同时计算该预测光谱与目标光谱的RRMS值；

7)最终选择所有预测光谱中RRMS值最小的所对应的那个候选子空间为最优子空间，在该候选子空间中计算的墨水配方为目标光谱的最终墨水配方。

2.根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，，其特征在于所述步骤1)中选取打印机的n个墨水，每个墨水从0(无墨水)到1(最大墨水量)分为m段，共将整个墨水空间分为mⁿ个子空间。一般来说，为获得较高的模型精度，m的取值应该大于等于6。

3.根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，，其特征在于所述步骤2)中打印所有(m+1)ⁿ个顶点作为训练样本，之后采用分光光度计对所有训练样本进行测量得相应的光谱，根据测得的所有训练样本的光谱建立正向CYNSN模型。正向CYNSN模型的建立可采用R.Balasubramanian的方法。

4.根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，，其特征在于所述步骤4)中选择与目标光谱RRMS值最小的那个顶点，之后找出所有包含该顶点的子空间，称为候选子空间。

5.根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，，其特征在于所述步骤5)中在每一个候选子空间中，以线性迭代算法计算目标光谱的墨水配方，线性迭代算法可采用UG算法。

6.根据权利要求1所述的一种反向CYNSN模型中的子空间搜索算法，，其特征在于所述步骤7)中最终选择所有预测光谱中RRMS值最小的所对应的那个候选子空间为最优子空间，在该候选子空间中计算的墨水配方为目标光谱的最终墨水配方。