BP神经网络人脸识别MATLAB.zip
基于BP神经网络的人脸识别MATLAB实现,包括软件界面,采用ORL人脸库,是本科毕设,比较粗糙,供参考!
基于BP神经网络的人脸识别MATLAB实现,包括软件界面,采用ORL人脸库,是本科毕设,比较粗糙,供参考!
(1)读入一幅彩色图像(有自己的生活照片); (2)将彩色图像进行三原色分解,分解出R、G、B分量,并用图像显示出来; (3)将彩色图像灰度化,转化为灰度图像并显示; (4)将灰度图像用三种以上典型的边缘检测算子进行边缘检测,显示检测出的边缘。 (5)图像的旋转、裁剪(尺寸的变化)
信号源产生 0、 1 等概分布的随机信号,映射到 16QAM 的星座图上,同时一路信号已经被分成了 I 路和 Q 路,后边的处理建立在这两路信号的基础上。I 路和 Q 路信号分别经过平方根升余弦 滤波器,再加入高斯白噪声,然后通过匹配滤波器(平方根升余弦滤波器) 。最后经过 采样,判决,得到 0、1 信号,同原信号进行比较,给出 16QAM 数字系统的误码。
(1)首先生成一个随机且长度为10000的二进制比特流,并画出了前50个比特的信号图。 (2)在MATLAB中16QAM调制器要求输入的信号为0-15这16个值,将二进制的比特流转换为对应的十六进制信号。 (3)利用MATLAB中的qammod函数生成16QAM调制器,再通过其对信号进行调制并画出信号的星座图。 (4)通过awgn 信道在16QAM信号中加入高斯白噪声(假设Eb/No=15db)。 (5)利用MATLAB中的scatterplot函数画出通过信道后接受到的信号的星座图。 (6)利用MATLAB中的eyediagram函数生成经过信道后的眼图。 (7)利用MATLAB中的qamdemod函数生成解调器对16QAM信号的解调,并将十六进制信号转化成二进制比特流信息。 (8)用得到比特流信息除以原始发送的比特流信息来计算误码率。
依照某AR模型生成一段数据(1000),同时用另一MA模型生成一段数据(200),合成一段1200长度的数据 1)依赖于这1200个数据的前800个数据,识别这段数据背后的AR模型。 2)在1)的基础上对新数据进行预测,并通过后续的400个数据进行判别(数据模型是否匹配)或者模型的修正(修正只需要提供思路和方法)。
生成一个状态个数大于100的马尔可夫链,状态之间的转移关系随机设定(例如某状态可以一步到达其他状态的比例为10%) 1)将状态空间按常返性和互通性进行分解 2)在1)的基础上对周期不可约马尔可夫链进行分解
书名:Microwave and Rf Design of Wireless Systems 作者:David M.Pozar 页数:379
周期为d的不可约马氏链,其状态空间C可唯一地分解为d个互不相交的子集之和, 且使自Gr中任一状态出发,经一步必转移进入Gr+1中(其中Gd=G0)。 对周期不可约马尔可夫链进行分解的MATLAB程序。
依照某AR模型生成一段数据(1000),同时用另一MA模型生成一段数据(200),合成一段1200长度的数据 1)依赖于这1200个数据的前800个数据,识别这段数据背后的AR模型。 2)在1)的基础上对新数据进行预测,并通过后续的400个数据进行判别(数据模型是否匹配)或者模型的修正。