本發(fā)明涉及色彩搭配，具體是指基于大數(shù)據(jù)的藝術(shù)色彩搭配方法。

背景技術(shù)：

1、基于大數(shù)據(jù)的藝術(shù)色彩搭配方法是結(jié)合大數(shù)據(jù)技術(shù)和機器學(xué)習(xí)技術(shù)，全面、深入地對色彩數(shù)據(jù)進行分析，取出具有普適性的色彩搭配規(guī)律，根據(jù)不同的藝術(shù)風(fēng)格、主題和受眾需求，智能地生成適宜的色彩組合方案。傳統(tǒng)色彩搭配方法存在靈活性、適應(yīng)性、準確性低，色彩搭配效率低和藝術(shù)效果不足的問題；傳統(tǒng)參數(shù)搜索算法存在參數(shù)的搜索效率和探索能力低的問題。

技術(shù)實現(xiàn)思路

1、針對上述情況，為克服現(xiàn)有技術(shù)的缺陷，本發(fā)明提供了基于大數(shù)據(jù)的藝術(shù)色彩搭配方法，針對傳統(tǒng)色彩搭配方法存在靈活性、適應(yīng)性、準確性低，色彩搭配效率低和藝術(shù)效果不足的問題，本方案通過設(shè)計情感融合度、設(shè)置鄰域、定義情感融合距離函數(shù)和自適應(yīng)距離閾值，確定初始社區(qū)核心點并劃分數(shù)據(jù)，設(shè)計社區(qū)核心點更新策略來形成色彩搭配社區(qū)；使色彩搭配社區(qū)構(gòu)建更合理，提高色彩搭配靈活性、適應(yīng)性、準確性，提高色彩搭配效率，豐富了藝術(shù)效果；針對傳統(tǒng)參數(shù)搜索算法存在參數(shù)的搜索效率和探索能力低的問題，本方案通過設(shè)計動態(tài)基礎(chǔ)步長、搜索調(diào)整因子、維度步長、多層調(diào)整搜索函數(shù)、差優(yōu)間隨機探索函數(shù)和跳躍增添搜索函數(shù)來對參數(shù)進行搜索，避免陷入局部最優(yōu)，提高了對參數(shù)的探索能力，提升找到最佳參數(shù)組合的能力，提升對色彩搭配社區(qū)的優(yōu)化效果。

2、本發(fā)明采取的技術(shù)方案如下：基于大數(shù)據(jù)的藝術(shù)色彩搭配方法，該方法包括以下步驟：

3、步驟s1：數(shù)據(jù)采集；

4、步驟s2：數(shù)據(jù)預(yù)處理；

5、步驟s3：構(gòu)建色彩搭配社區(qū)；

6、步驟s4：優(yōu)化色彩搭配社區(qū)；

7、步驟s5：色彩搭配。

8、進一步地，在步驟s1中，所述數(shù)據(jù)采集是采集藝術(shù)作品的色彩數(shù)據(jù)、藝術(shù)風(fēng)格、流行程度和問卷數(shù)據(jù)；所述色彩數(shù)據(jù)是藝術(shù)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(shù)風(fēng)格是藝術(shù)作品所屬的時代、地域、藝術(shù)類型和文化背景；所述流行程度包括藝術(shù)作用的專業(yè)影響力得分、知名度和瀏覽量；所述問卷數(shù)據(jù)包括大眾對藝術(shù)作品的色彩搭配的打分、色彩的情感表現(xiàn)強度、色彩的情感和諧度。

9、進一步地，在步驟s2中，所述數(shù)據(jù)預(yù)處理具體包括以下步驟：

10、步驟s21：數(shù)據(jù)清洗，對數(shù)據(jù)進行檢驗，識別并修正錯誤數(shù)據(jù)，去除重復(fù)的數(shù)據(jù)，填補缺失的數(shù)據(jù)；

11、步驟s22：數(shù)據(jù)編碼，對數(shù)據(jù)中具有復(fù)數(shù)類別的數(shù)據(jù)進行標簽編碼；

12、步驟s23：創(chuàng)建色彩特征向量，創(chuàng)建與數(shù)據(jù)個體數(shù)量相同的色彩特征向量，特征向量的長度與數(shù)據(jù)特征的數(shù)量相同，將每一個數(shù)據(jù)個體的所有特征值添加到色彩特征向量中對應(yīng)的位置，創(chuàng)建色彩特征向量數(shù)據(jù)點集合。

13、進一步地，在步驟s3中，所述構(gòu)建色彩搭配社區(qū)具體包括以下步驟：

14、步驟s31：設(shè)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(shù)據(jù)點的索引，表示計算情感融合度的數(shù)據(jù)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(shù)，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(xiàn)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(shè)置鄰域，設(shè)置鄰域距離寬度，將色彩特征向量數(shù)據(jù)點的鄰域范圍內(nèi)的數(shù)據(jù)點的集合設(shè)置為鄰域數(shù)據(jù)點集合；

19、步驟s34：定義情感融合距離函數(shù)，表示如下：

20、；

21、其中，b表示數(shù)據(jù)點的索引，表示數(shù)據(jù)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(shù)據(jù)點，表示情感融合距離函數(shù)，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(shù)據(jù)點，表示取歐氏距離，表示取絕對值；

22、步驟s35：設(shè)計自適應(yīng)距離閾值，表示如下：

23、；

24、其中，c表示數(shù)據(jù)點的索引，表示數(shù)據(jù)點c，表示數(shù)據(jù)點a和數(shù)據(jù)點c之間的自適應(yīng)距離閾值，表示未添加情感融合度的數(shù)據(jù)點c，和表示閾值調(diào)控因子，表示數(shù)據(jù)點a的鄰域數(shù)據(jù)點集合，表示數(shù)據(jù)點c是數(shù)據(jù)點a的鄰域數(shù)據(jù)點集合中的一個數(shù)據(jù)點，表示數(shù)據(jù)點a的鄰域數(shù)據(jù)點集合的數(shù)據(jù)點總個數(shù)，表示數(shù)據(jù)點a與數(shù)據(jù)點c之間的情感融合距離；

25、步驟s36：確定初始社區(qū)核心點，設(shè)定社區(qū)的數(shù)量，隨機選取數(shù)據(jù)點作為初始的社區(qū)核心點；

26、步驟s37：劃分數(shù)據(jù)，創(chuàng)建一個噪聲社區(qū)，初始時為空，計算除社區(qū)核心點外所有數(shù)據(jù)點到每個社區(qū)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(shù)據(jù)點到最小的情感融合距離所對應(yīng)的社區(qū)核心點之間的自適應(yīng)距離閾值，如果情感融合距離小于自適應(yīng)距離閾值，則將數(shù)據(jù)點歸入社區(qū)核心點所屬的社區(qū)，否則將數(shù)據(jù)點歸入噪聲社區(qū)；

27、步驟s38：更新核心點，設(shè)計社區(qū)核心點更新策略，表示如下：

28、；

29、其中，k表示社區(qū)核心點的索引，表示更新核心點之后的社區(qū)核心點，表示更新后的第k個社區(qū)核心點的位置，表示第k個社區(qū)中所有數(shù)據(jù)點的集合，i表示集合中數(shù)據(jù)點的索引，表示其中的一個數(shù)據(jù)點，表示第i個數(shù)據(jù)點的色彩，e表示自然常數(shù)，表示更新核心點之前的社區(qū)核心點，表示取模長；

30、步驟s39：社區(qū)形成，重復(fù)步驟s37-s38，直到社區(qū)不再變化。

31、進一步地，在步驟s4中，所述優(yōu)化色彩搭配社區(qū)具體包括以下步驟：

32、步驟s41：優(yōu)化初始化，確定優(yōu)化參數(shù)，包括閾值調(diào)控因子和社區(qū)數(shù)量，創(chuàng)建參數(shù)搜索空間，生成初始的參數(shù)搜索點集群，將社區(qū)的誤差的相反數(shù)設(shè)置為參數(shù)的性能強度；

33、步驟s42：設(shè)計動態(tài)基礎(chǔ)步長，表示如下：

34、；

35、其中，t表示參數(shù)搜索次數(shù)，表示第t次參數(shù)搜索時的動態(tài)基礎(chǔ)步長，表示初始的參數(shù)搜索點集群的平均位置，r0表示一個0到1之間的隨機數(shù)，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(shè)計搜索調(diào)整因子，表示如下：

37、；

38、；

39、其中，表示第一搜索調(diào)整因子，cos(·)表示余弦函數(shù)，r1表示一個0到1之間的隨機數(shù)，t表示最大參數(shù)搜索次數(shù)，表示第二搜索調(diào)整因子，r2表示一個-1到1之間的隨機數(shù)；

40、步驟s44：設(shè)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(shù)搜索時的維度步長，round(·)表示四舍五入取整符號；

43、步驟s45：設(shè)計多層調(diào)整搜索函數(shù)，所用公式如下：

44、；

45、其中，表示第t+1次參數(shù)搜索時多層調(diào)整搜索函數(shù)搜索到的參數(shù)位置，表示第t次參數(shù)搜索時多層調(diào)整搜索函數(shù)搜索到的參數(shù)位置，r3表示一個取值范圍為0到1之間的隨機數(shù)，表示當(dāng)前性能值最高的參數(shù)點，表示當(dāng)前性能值最低的參數(shù)點；

46、步驟s46：設(shè)計差優(yōu)間隨機探索函數(shù)，所用公式如下：

47、；

48、其中，表示第t+1次參數(shù)搜索時差優(yōu)間隨機探索函數(shù)搜索到的參數(shù)位置，表示第t次參數(shù)搜索時差優(yōu)間隨機探索函數(shù)搜索到的參數(shù)位置；

49、步驟s47：設(shè)計跳躍增添搜索函數(shù)，所用公式如下：

50、；

51、其中，表示第t+1次參數(shù)搜索時跳躍增添搜索函數(shù)搜索到的參數(shù)位置，表示第t次參數(shù)搜索時跳躍增添搜索函數(shù)搜索到的參數(shù)位置，r4表示一個取值范圍為-0.5到1之間的隨機數(shù)；

52、步驟s48：設(shè)計搜索規(guī)則，設(shè)定性能合格值，設(shè)置最大參數(shù)搜索次數(shù)，首先進行動態(tài)多層調(diào)整搜索函數(shù)的參數(shù)搜索，計算出搜索到的參數(shù)點的性能值，如果超過80%的參數(shù)點的性能得到提升，進行下一輪搜索；否則先依次進行差優(yōu)間隨機探索函數(shù)和跳躍增添搜索函數(shù)的參數(shù)搜索，計算出搜索到的參數(shù)點的性能值，再進行下一輪搜索；如果搜索過程中出現(xiàn)參數(shù)點性能值大于性能合格值，搜索結(jié)束，將該參數(shù)點作為優(yōu)化參數(shù)點輸出；若到達最大迭代次數(shù)，重新進行搜索；否則繼續(xù)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(shù)據(jù)，對色彩數(shù)據(jù)進行社區(qū)匹配，根據(jù)同社區(qū)內(nèi)的數(shù)據(jù)來設(shè)計色彩搭配方案，同時持續(xù)收集用戶的搭配結(jié)果和反饋數(shù)據(jù)對色彩搭配社區(qū)進行更新。

54、采用上述方案本發(fā)明取得的有益效果如下：

55、（1）針對傳統(tǒng)色彩搭配方法存在靈活性、適應(yīng)性、準確性低，色彩搭配效率低和藝術(shù)效果不足的問題，本方案通過設(shè)計情感融合度、設(shè)置鄰域、定義情感融合距離函數(shù)和自適應(yīng)距離閾值，確定初始社區(qū)核心點并劃分數(shù)據(jù)，設(shè)計社區(qū)核心點更新策略來形成色彩搭配社區(qū)；使色彩搭配社區(qū)構(gòu)建更合理，提高色彩搭配靈活性、適應(yīng)性、準確性，提高色彩搭配效率，豐富了藝術(shù)效果。

56、（2）針對傳統(tǒng)參數(shù)搜索算法存在參數(shù)的搜索效率和探索能力低的問題，本方案通過設(shè)計動態(tài)基礎(chǔ)步長、搜索調(diào)整因子、維度步長、多層調(diào)整搜索函數(shù)、差優(yōu)間隨機探索函數(shù)和跳躍增添搜索函數(shù)來對參數(shù)進行搜索，避免陷入局部最優(yōu)，提高了對參數(shù)的探索能力，提升找到最佳參數(shù)組合的能力，提升對色彩搭配社區(qū)的優(yōu)化效果。