本發明涉及色彩搭配,具體是指基于大數據的藝術色彩搭配方法。
背景技術:
1、基于大數據的藝術色彩搭配方法是結合大數據技術和機器學習技術,全面、深入地對色彩數據進行分析,取出具有普適性的色彩搭配規律,根據不同的藝術風格、主題和受眾需求,智能地生成適宜的色彩組合方案。傳統色彩搭配方法存在靈活性、適應性、準確性低,色彩搭配效率低和藝術效果不足的問題;傳統參數搜索算法存在參數的搜索效率和探索能力低的問題。
技術實現思路
1、針對上述情況,為克服現有技術的缺陷,本發明提供了基于大數據的藝術色彩搭配方法,針對傳統色彩搭配方法存在靈活性、適應性、準確性低,色彩搭配效率低和藝術效果不足的問題,本方案通過設計情感融合度、設置鄰域、定義情感融合距離函數和自適應距離閾值,確定初始社區核心點并劃分數據,設計社區核心點更新策略來形成色彩搭配社區;使色彩搭配社區構建更合理,提高色彩搭配靈活性、適應性、準確性,提高色彩搭配效率,豐富了藝術效果;針對傳統參數搜索算法存在參數的搜索效率和探索能力低的問題,本方案通過設計動態基礎步長、搜索調整因子、維度步長、多層調整搜索函數、差優間隨機探索函數和跳躍增添搜索函數來對參數進行搜索,避免陷入局部最優,提高了對參數的探索能力,提升找到最佳參數組合的能力,提升對色彩搭配社區的優化效果。
2、本發明采取的技術方案如下:基于大數據的藝術色彩搭配方法,該方法包括以下步驟:
3、步驟s1:數據采集;
4、步驟s2:數據預處理;
5、步驟s3:構建色彩搭配社區;
6、步驟s4:優化色彩搭配社區;
7、步驟s5:色彩搭配。
8、進一步地,在步驟s1中,所述數據采集是采集藝術作品的色彩數據、藝術風格、流行程度和問卷數據;所述色彩數據是藝術作品中所有色彩信息以及每一種色彩所占比例、色彩搭配頻率;所述藝術風格是藝術作品所屬的時代、地域、藝術類型和文化背景;所述流行程度包括藝術作用的專業影響力得分、知名度和瀏覽量;所述問卷數據包括大眾對藝術作品的色彩搭配的打分、色彩的情感表現強度、色彩的情感和諧度。
9、進一步地,在步驟s2中,所述數據預處理具體包括以下步驟:
10、步驟s21:數據清洗,對數據進行檢驗,識別并修正錯誤數據,去除重復的數據,填補缺失的數據;
11、步驟s22:數據編碼,對數據中具有復數類別的數據進行標簽編碼;
12、步驟s23:創建色彩特征向量,創建與數據個體數量相同的色彩特征向量,特征向量的長度與數據特征的數量相同,將每一個數據個體的所有特征值添加到色彩特征向量中對應的位置,創建色彩特征向量數據點集合。
13、進一步地,在步驟s3中,所述構建色彩搭配社區具體包括以下步驟:
14、步驟s31:設計情感融合度,為色彩特征向量添加情感融合度,表示如下:
15、;
16、其中,a表示數據點的索引,表示計算情感融合度的數據點a的色彩,表示色彩的同色系起源色彩,表示情感融合函數,表示色彩的情感融合度,d表示情感標簽的集合,d表示情感標簽的集合中的元素,表示色彩對情感標簽d的表現強度,表示色彩與情感標簽d的和諧度,表示開根號,表示屬于符號;
17、步驟s32:豐富色彩特征向量,計算出每一個色彩特征向量的情感融合度,將情感融合度添加到色彩特征向量中形成新的色彩特征向量;
18、步驟s33:設置鄰域,設置鄰域距離寬度,將色彩特征向量數據點的鄰域范圍內的數據點的集合設置為鄰域數據點集合;
19、步驟s34:定義情感融合距離函數,表示如下:
20、;
21、其中,b表示數據點的索引,表示數據點b的色彩,和分別表示添加了以和作為色彩計算出的情感融合度的色彩特征向量數據點,表示情感融合距離函數,和分別表示未添加以和作為色彩計算出的情感融合度的色彩特征向量數據點,表示取歐氏距離,表示取絕對值;
22、步驟s35:設計自適應距離閾值,表示如下:
23、;
24、其中,c表示數據點的索引,表示數據點c,表示數據點a和數據點c之間的自適應距離閾值,表示未添加情感融合度的數據點c,和表示閾值調控因子,表示數據點a的鄰域數據點集合,表示數據點c是數據點a的鄰域數據點集合中的一個數據點,表示數據點a的鄰域數據點集合的數據點總個數,表示數據點a與數據點c之間的情感融合距離;
25、步驟s36:確定初始社區核心點,設定社區的數量,隨機選取數據點作為初始的社區核心點;
26、步驟s37:劃分數據,創建一個噪聲社區,初始時為空,計算除社區核心點外所有數據點到每個社區核心點之間的情感融合距離,選出最小的情感融合距離,計算出數據點到最小的情感融合距離所對應的社區核心點之間的自適應距離閾值,如果情感融合距離小于自適應距離閾值,則將數據點歸入社區核心點所屬的社區,否則將數據點歸入噪聲社區;
27、步驟s38:更新核心點,設計社區核心點更新策略,表示如下:
28、;
29、其中,k表示社區核心點的索引,表示更新核心點之后的社區核心點,表示更新后的第k個社區核心點的位置,表示第k個社區中所有數據點的集合,i表示集合中數據點的索引,表示其中的一個數據點,表示第i個數據點的色彩,e表示自然常數,表示更新核心點之前的社區核心點,表示取模長;
30、步驟s39:社區形成,重復步驟s37-s38,直到社區不再變化。
31、進一步地,在步驟s4中,所述優化色彩搭配社區具體包括以下步驟:
32、步驟s41:優化初始化,確定優化參數,包括閾值調控因子和社區數量,創建參數搜索空間,生成初始的參數搜索點集群,將社區的誤差的相反數設置為參數的性能強度;
33、步驟s42:設計動態基礎步長,表示如下:
34、;
35、其中,t表示參數搜索次數,表示第t次參數搜索時的動態基礎步長,表示初始的參數搜索點集群的平均位置,r0表示一個0到1之間的隨機數,ul表示搜索空間的上邊界,dl表示搜索空間的下邊界;
36、步驟s43:設計搜索調整因子,表示如下:
37、;
38、;
39、其中,表示第一搜索調整因子,cos(·)表示余弦函數,r1表示一個0到1之間的隨機數,t表示最大參數搜索次數,表示第二搜索調整因子,r2表示一個-1到1之間的隨機數;
40、步驟s44:設計維度步長,表示如下:
41、;
42、其中,g表示搜索空間維度,表示第t次參數搜索時的維度步長,round(·)表示四舍五入取整符號;
43、步驟s45:設計多層調整搜索函數,所用公式如下:
44、;
45、其中,表示第t+1次參數搜索時多層調整搜索函數搜索到的參數位置,表示第t次參數搜索時多層調整搜索函數搜索到的參數位置,r3表示一個取值范圍為0到1之間的隨機數,表示當前性能值最高的參數點,表示當前性能值最低的參數點;
46、步驟s46:設計差優間隨機探索函數,所用公式如下:
47、;
48、其中,表示第t+1次參數搜索時差優間隨機探索函數搜索到的參數位置,表示第t次參數搜索時差優間隨機探索函數搜索到的參數位置;
49、步驟s47:設計跳躍增添搜索函數,所用公式如下:
50、;
51、其中,表示第t+1次參數搜索時跳躍增添搜索函數搜索到的參數位置,表示第t次參數搜索時跳躍增添搜索函數搜索到的參數位置,r4表示一個取值范圍為-0.5到1之間的隨機數;
52、步驟s48:設計搜索規則,設定性能合格值,設置最大參數搜索次數,首先進行動態多層調整搜索函數的參數搜索,計算出搜索到的參數點的性能值,如果超過80%的參數點的性能得到提升,進行下一輪搜索;否則先依次進行差優間隨機探索函數和跳躍增添搜索函數的參數搜索,計算出搜索到的參數點的性能值,再進行下一輪搜索;如果搜索過程中出現參數點性能值大于性能合格值,搜索結束,將該參數點作為優化參數點輸出;若到達最大迭代次數,重新進行搜索;否則繼續搜索。
53、進一步地,在步驟s5中,所述色彩搭配是采集待搭配的色彩數據,對色彩數據進行社區匹配,根據同社區內的數據來設計色彩搭配方案,同時持續收集用戶的搭配結果和反饋數據對色彩搭配社區進行更新。
54、采用上述方案本發明取得的有益效果如下:
55、(1)針對傳統色彩搭配方法存在靈活性、適應性、準確性低,色彩搭配效率低和藝術效果不足的問題,本方案通過設計情感融合度、設置鄰域、定義情感融合距離函數和自適應距離閾值,確定初始社區核心點并劃分數據,設計社區核心點更新策略來形成色彩搭配社區;使色彩搭配社區構建更合理,提高色彩搭配靈活性、適應性、準確性,提高色彩搭配效率,豐富了藝術效果。
56、(2)針對傳統參數搜索算法存在參數的搜索效率和探索能力低的問題,本方案通過設計動態基礎步長、搜索調整因子、維度步長、多層調整搜索函數、差優間隨機探索函數和跳躍增添搜索函數來對參數進行搜索,避免陷入局部最優,提高了對參數的探索能力,提升找到最佳參數組合的能力,提升對色彩搭配社區的優化效果。