非常好的车牌识别仿真测试多个图片输出英文字母和数字 [fn,pn,fi]=uigetfile('*.jpg','选择图片'); I=imread([pn fn]);figure(1),imshow(I);title('原始图像');%显示原始图像 chepailujing=[pn fn] I_bai=I; [PY2,PY1,PX2,PX1]=caitu_fenge(I); %===============车牌区域根据面积二次修正====================== [PY2,PY1,PX2,PX1,threshold]=SEC_xiuzheng(PY2,PY1,PX2,PX1);

%将数据保存为串行格式 Dat = []; for i = 1:R Dat = [Dat I1(i,:)]; end fid = fopen('Image_test.coe','wt'); fprintf(fid,'memory_initialization_radix = 10;'); fprintf(fid,'\n'); fprintf(fid,'memory_initialization_vector = '); fprintf(fid,'\n'); for i = 1:length(Dat) if i < length(Dat) fprintf(fid,'%d',Dat(i)); fprintf(fid,',\n'); else fprintf(fid,'%d',Dat(i)); fprintf(fid,';\n'); end end

目标函数为 function fit=fitness1(x) fit=1-exp(-(x(1)-1)^2-(x(2)+1)^2); 和 function fit=fitness2(x) fit=1-exp(-(x(1)+1)^2-(x(2)-1)^2); 程序运行的时候会出现速度最后非常非常小，所有粒子全聚集到一起 约束问题如何解决 每个粒子的最优解，是不是需要约束的限制 整个粒子的最优解是不是也需要约束的限制 粒子过分集中，如何将粒子打散

queue_gap=15; % 队形间隔 queue_vy=12; queue_vx=13; queue_r=40; r_c=20; % 交互范围（半径） k=1.2; % 晶格的ratio d=r_c/k; % 晶格的scale(表示两两智能体之间的距离（论文中公式5）) v_0=2; % 初始速度 v_limit=0; % 最大速度 efs = 1; % sigma-norms parameter h=0.4; % 设置bump function的分割点（公式10）

mnist数据库的深度学习网络训练和识别matlab2021a仿真 softmaxModel = softmaxTrain(hiddenSize+1, numLabels, lambdaSoftmax, [trainFeatures;ones(1,trainNumber)], trainLabels, softmaxOptions); % learn by features % softmaxPredict 默认数据中已包含截距项 [pred] = softmaxPredict(softmaxModel, [testFeatures;ones(1,testNumber)]); % predict by test features

小波变换图像处理结果，适用于学习小波变换使用，matlab2021a版本运行。 包括：分解低通滤波器，分解高通滤波器，，重构低通滤波器，重构高通滤波器。近似细节系数，水平细节系数，垂直细节系数，对角细节系数，加噪图像，除噪图像。

基于MATLAB的协方差计算，目标跟踪算法仿真。matlab2021a可运行。 这个是关于协方差跟踪的实验。从一个视频中截了两张图片：sample.jpg和test.jpg。在sample.jpg中划了一个区域，然后再test.jpg中寻找最接近的区域。 运行结果：在sample.jpg中划了一个红框，test.jpg中找到了两个最接近的部分

PSO路径规划matlab源码，运行pso.m文件，matlab2021a可以直接运行。 % Update Velocity particle(i).Velocity.x = w*particle(i).Velocity.x ... + c1*rand(VarSize).*(particle(i).Best.Position.x-particle(i).Position.x) ... + c2*rand(VarSize).*(GlobalBest.Position.x-particle(i).Position.x); % Update Velocity Bounds particle(i).Velocity.x = max(particle(i).Velocity.x,VelMin.x); particle(i).Velocity.x = min(particle(i).Velocity.x,VelMax.x);

基于MATLAB的Olfati算法2和多领导者改进算法，matlab2021a版本运行，提供操作录像.avi clear;clc; loop=500;%确定循环周期 s=0.1;%s取值范围为(0,1) n=50;%确定智能体个数 m=50;%确定领导者直接影响智能体数目 r=6;%确定智能体感知半径 ra=(1/s)*[sqrt(1+s*(r^2))-1]; dw=5;%确定网格Lattice距离 dwa=(1/s)*[sqrt(1+s*(dw^2))-1]; h=0.9;%定义参数h，其取值范围为（0,1）

CSMA/CA算法的MATLAB仿真，动态图形显示碰撞过程。提供操作录像.avi.使用版本MATLAB2021a。 TRUE = 1; %表示事件为真 FALSE = 0; %表示事件为假 ACK = 2.8; %ACK帧相当于0.5个时隙 SIFS = 10.5; %SIFS帧相当于0.5个时隙 DIFS = 12.5;%DIFS帧相当于2.5个时隙 SendEndTime = 0;%发送结束时间 NumberNodes = 4;%参与竞争的节点数 .....................................................