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

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。

通过BP、GRNN、ELM、SSA-ELM对样本数据进行回归预测，SSA-ELM优于ELM>GRNN>BP（对自己的数据进行预测只需将样本数据进行替换即可）

基于GRNN广义回归神经网络的数据分类和基于FCM数据分类对比并输出混淆矩阵评价指标.，matlab2021a运行测试 %% 模糊聚类 data=P1; [center,U,obj_fcn] = fcm(data,5); for i=1:R1 [value,idx]=max(U(:,i)); a1(i)=idx; end %% 模糊聚类结果分析 Confusion_Matrix_FCM=zeros(6,6); Confusion_Matrix_FCM(1,:)=[0:5]; Confusion_Matrix_FCM(:,1)=[0:5]'; for nf=1:5 for nc=1:5 Confusion_Matrix_FCM(nf+1,nc+1)=length(find(a1(find(T1==nf))==nc)); end end

基于FCM模糊聚类和GRNN广义回归神经网络的数据预测仿真

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于FCM-GRNN的聚类算法_FCM-GRNN_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

通过数据挖掘技术和智能算法寻找图书馆读者的借阅喜好，提高图书馆的管理效率和服务水平。以西安工程大学图书馆读者借阅记录为数据来源，选择读者借阅图书类目和读者所属学院作为参考变量，进行聚类分析，各聚类群组具有相似的借阅模式和显著的借阅特征。利用聚类群组中读者的主要借阅图书类目，建立广义回归神经网络（GRNN）模型，模型诊断准确率为94%，因此，将GRNN模型应用到读者借阅行为分析中。据此指导图书采购、完善图书馆藏、优化个性化推荐服务，为建设智能化图书馆奠定基础。