[发明专利]一种反向CYNSN模型中的子空间搜索算法

摘要

本发明公开了一种反向CYNSN模型中的子空间搜索算法。该算法通过计算所有顶点光谱与目标光谱RRMS值，选择RRMS最小的那个顶点光谱，之后找到所有包含该顶点的所有子空间，称为候选子空间，然后利用线性迭代算法计算所有候选子空间对应的候选墨水配方，并预测其对应的光谱，最后选择预测光谱与目标光谱之间RRMS值最小的所对应的那个候选子空间作为最优子空间。该算法搜索速度快、精度高、只需较少的迭代次数就能计算得最优子空间，具有很高的实用价值。

主权项

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 = Σ λ = λ 1 λ 2 ( R 1 ( λ ) - R 2 ( λ ) ) 2 N 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。