基于语音信号MFCC特征提取和GRNN神经网络的人员身份检测算法matlab仿真
1.算法运行效果图预览 2.算法运行软件版本MATLAB2022a 3.部分核心程序```P = [Dat1_wav1;Dat1_wav2;Dat2_wav1;Dat2_wav2;Dat3_wav1;Dat3_wav2;Dat4_wav1;Dat4_wav2];T = [ones(800,1);2ones(800,1);3ones(800,1);4*ones(800,1)]; %GRN...
【程序员必须掌握的算法】【Matlab智能算法】GRNN神经网络-遗传算法(GRNN-GA)函数极值寻优——非线性函数求极值
1.背景条件要求：对于未知模型（函数表达式未知）求解极值。条件：已知模型的一些输入输出数据。程序的示例是根据用神经网络遗传算法寻优非线性函数 y = x 1 2 + x 2 2 y = x_1^2+x_2^2y=x12+x22 的极值，输入参数有2个，输出参数有1个，易知函数有极小值0，极小值点为(0, 0)。已知的只有一些输入输出数据（用rand函数生成输入，然后代入表达式生成输出）：for ....
基于信号功率谱特征和GRNN广义回归神经网络的信号调制类型识别算法matlab仿真
1.算法运行效果图预览 2.算法运行软件版本MATLAB2022a 3.算法理论概述 本课题，我们主要对MPSK和MFSK调制类型进行识别。在进行信号调制方式区分之前，首先需要对PSK和FSK进行区分，提出了一种基于信号功率谱的PSK和FSK调制方式的识别方法。信号的功率谱计算过程，是一个计算随机过程的统计特性的过程，其中平稳随机过程的功率谱计算过程是一个确定的函数，计算信号的功率谱的过...
基于HOG特征提取和GRNN神经网络的人脸表情识别算法matlab仿真,测试使用JAFFE表情数据库
1.算法运行效果图预览 2.算法运行软件版本matlab2022a 3.算法理论概述 该算法主要由两个部分组成：HOG特征提取和GRNN神经网络。下面将详细介绍这两个部分的原理和数学公式。 1.HOG特征提取 HOG（Histogram of Oriented Gradients）是一种局部特征描述子，它通过对图像局部区域的梯度方向进行统计，提取出图像的结构信息。HOG特征提取主要分为...
回归预测 | MATLAB实现GRNN广义回归神经网络多输入多输出预测
回归预测 | MATLAB实现GRNN广义回归神经网络多输入多输出预测 @TOC 预测效果 基本介绍 MATLAB实现GRNN广义回归神经网络多输入多输出预测，输入10个特征，输出3个变量,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件，运行环境MATLAB2018b及以上。命令窗口输出MAE和R2，可在下载区获取数据和程序内容。 程序设计 完整程序和...
m基于GRNN广义回顾神经网络的车牌字符分割和识别算法matlab仿真
1.算法仿真效果matlab2022a仿真结果如下： 2.算法涉及理论知识概要 车牌识别系统(Vehicle License Plate Recognition，VLPR) 是计算机视频图像识别技术在车辆牌照识别中的一种应用。车牌识别在高速公路车辆管理中得到广泛应用，电子收费（ETC）系统中，也是结合DSRC技术识别车辆身份的主要手段。 车牌识别技术要求能够将运动中的汽车牌照从复杂...
m基于图像灰度共生矩阵纹理提取和GRNN神经网络的人口密度检测算法matlab仿真
1.算法仿真效果matlab2013b仿真结果如下：2.算法涉及理论知识概要 灰度共生矩阵，指的是一种通过研究灰度的空间相关特性来描述纹理的常用方法。 [1] 1973年Haralick等人提出了用灰度共生矩阵来描述纹理特征。由于纹理是由灰度分布在空间位置上反复出现而形成的，因而在图像空间中相隔某距离的两像素之间会存在一定的灰度关系，即图像中灰度的空间相关特性。通常计算灰度共生矩阵的方向取...
m基于GRNN神经网络和高阶累积量的信号类型识别matlab仿真
1.算法描述 GRNN，即General Regression Neural Network，中文全称为广义回归神经网络，是由The Lockheed Palo Alto研究实验室在1991年提出的。GRNN是一种新型的基于非线性回归理论的神经网络模型。GRNN是建立在非参数核回归基础之上的，该神经网络是以测试样本为后验条件，并从观测样本中计算得到自变量和因变量之间的概率密度函数，然后在计算出因....
m基于GRNN广义回归神经网络和LLE特征提取的人脸情绪识别matlab仿真
1.算法描述 GRNN，即General Regression Neural Network，中文全称为广义回归神经网络，是由The Lockheed Palo Alto研究实验室在1991年提出的。GRNN是一种新型的基于非线性回归理论的神经网络模型。GRNN是建立在非参数核回归基础之上的，该神经网络是以测试样本为后验条件，并从观测样本中计算得到自变量和因变量之间的概率密度函数，然后在计...
m基于GRNN广义回归神经网络和HOG特征提取的人体姿态检测识别matlab仿真,样本集为TOF深度图
1.算法描述 GRNN建立在非参数核回归基础上，以样本数据为后验条件，通过执行诸如Parzen非参数估计，从观测样本里求得自变量和因变量之间的联结概率密度函数之后，直接计算出因变量对自变量的回归值。GRNN不需要设定模型的形式，但是其隐回归单元的核函数中有光滑因子，它们的取对网络有很大影响，需优化取值。GRNNb论具有良好的函数逼近性能，而且因为其网络训练更为方便，因此，GRNN在信号过程...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。