GRNN网络的预测——基于广义回归神经网络的货运量预测

MATLAB实现PSO-GRNN多输入回归预测（完整源码和数据） 粒子群优化广义回归神经网络预测，数据为多输入回归数据，输入6个特征，输出1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。

基于matlab的GRNN分类器实现的代码

神经网络遗传算法函数极值寻优-非线性函数极值

果蝇算法在广义回归神经网络上的应用，MATLAB算法实例，内有注释，简单可用。

本程序为本人改进GRNN，用于滑坡稳定度预测； 相关数据集为本实验平台实验采集； 代码均为本人所写。

课程设计 可以直接用 案例8 GRNN的数据预测-基于广义回归神经网络货运量预测

果蝇优化算法FOAGRNN_Training.txt

案例8 GRNN的数据预测-基于广义回归神经网络货运量预测.7z

介绍了车牌图像的预处理方法，包括图像的灰度化处理，中值滤波，基于直方图均衡化的光影处理，图像增强处理以及图像锐化等多个方面。最后介绍了基于颜色模型的车牌定位算法，并结合图像校正计算获得了标准的车牌区域。通过一种改进的基于形态学轮廓特征和垂直映射的字符切割算法对提取的车牌图像进行字符分割，然后对分割后单个字符提取HOG特征，最后通过GRNN神经网络根据字符的HOG特征进行车牌识别。MATLAB仿真结果表明，本文所研究的车牌识别方法具有较高的识别正确率，其正确率可以达到90%以上。