搜索资源列表
ImgComBasedonWavletandNN
- Matlab实现图像压缩与重构步骤 ① 对图像进行小波分解，得到第一层分解的低频系数和高频系数。 ② 保留低频系数，对高频系数进行基于神经网络的矢量量化编码，达到压缩。 ③ 根据码书以w还原高频系数 ④ 根据保留的低频系数和还原的高频系数重构图像 -Matlab realization image compression and the heavy construction step (1) pair of picture carries on the wavelet to
neuralconstrut
- 用小波构造神经网络，将小波分解的基函数构成神经的隐函数。
113172210SVD
- SVD随着计算机网络的不断发展,多媒体信息的版权保护问题变得十分突出,已成为一个非常紧迫的议题。数字水印技术是实现版权保护的一种非常有效的方法,已经成为信息隐藏领域的一个热门方向。本文着重讨论了数字水印技术在数字图像中的应用,特别地,对于基于神经网络和SVD的自适应的数字水印技术进行了深入的研究与实验。首先比较全面地介绍了数字水印技术的发展历史、现状、基本模型、特征、分类、现有的主要的算法和应用,并对数字水印的发展前景做出了一个展望。接着阐述了神经网络和奇异值分解( SVD)的相关理论。利用图像
neuralandwavelet
- 对采集到的电压信号进行小波包分解提取特征向量，再进行BP神经网络训练-On the acquisition of the voltage signal to the wavelet packet decomposition to extract feature vector and then BP neural network training
bpdopr2
- 神经网络对参数进行小波分解，输入的训练参数，绘制拟合曲线保存训练的拟和曲线，可以加坐标和曲线的说明-Neural network parameters wavelet decomposition, the input training parameters, fitting curve drawn and curves to be trained to save, you can add descr iption of coordinates and curves
200642991948257
- 提出了一种利用肤色信息，建立 YCbCr 肤色模型空间作为人脸检测的预处理手段，利用小波分解和 BP 神经网络作为检测方法。对算法进行仿真验证，实验结果表明：该肤色模型空间 对光线、遮挡以及姿 态 有很好的 robust 特性 ；本检测方法达到较好的检测效果。 关键词 : 小波分解；神经网络；亮度补偿-Skin color model based on an oval face detection method
xiaobobao-BPwangluo
- 小波包和BP神经网络在齿轮箱故障诊断中的应用，本文对齿 轮箱振动信号应用小波包分解提取故障特征向量，进一步用特征向量训练前向传播BP人工神经网络。-xiaobobao、BP、gearbox fault detection
xiaobobao-BP-zhoucheng-zhenduan-
- 基于小波包特征向量与神经网络的滚动轴承故障诊断。：基于故障轴承的特征提取，提出了将小波包分析与神经网络结合的滚动轴承故障诊断方法。对滚动轴承信号进行3层小波包分解，构造小波包特征向量作为故障样本，用训练好的BP神经网络进行故障诊断，试验结果表明，该方法能够有效地诊断出滚动轴承的故障类型。-Fault Diagnosis of Rolling Bearings Based on W avelet Packet Energy Eigenvector and Neural Network
xiaobobp
- 小波包分解及bp神经网络训练程序，可用于进行模式识别-bp neural network training program, can be used for pattern recognition
2
- 针对齿轮的故障诊断,提出了一种基于小波特征提取和BP神经网络的诊断系统,利 用小波分解后各频段能量的分布作为特征向量输入神经网络。试验表明该方法能准确地诊断出齿 轮的故障,具有广泛的应用前景 - Aimed at the gear fault diagnosis, a diagnosis systemwhich based on thewavelet for picking up character and BP neural network are proposed, the
tuxiangfenxi
- 在matlab中对大量的轴承故障的特征信号进行小波包分解，提取特征值，并建立神经网络训练，最终可由网络进行故障的分析-In matlab large number of bearing fault characteristic signal wavelet packet decomposition, extract characteristic values, and the establishment of neural network training, and ultimately by
wavelet-BP(matlab)
- 通过小波进行分解、滤波、重构后作为BP神经网络的输入，以此提高BP神经网络的计算精度，用于故障诊断中的模式识别-Through the wavelet decomposition, filtering, reconstructed as BP neural network input, in order to improve the calculation accuracy of BP neural network for fault diagnosis pattern recognition
waveletpsoann_longchuan
- 可以用于预测的小波分解下的粒子群算法的神经网络预测-wavelet pso ann for predict
bpwt
- 神经网络算法和小波分解与重构，BP（Back Propagation）网络，是一种按误差逆传播算法训练的多层前馈网络-Neural network algorithm and wavelet decomposition and reconstruction, BP (Propagation Back) network, is a kind of multilayer feedforward network trained by the error back propagation algorit
wgrnn
- 基于小波广义回归神经网络的预测模型，文件中包含小波分解源程序和广义回归神经网络的源程序。-Generalized regression prediction model based on wavelet neural network, wavelet decomposition source and generalized regression neural network source code contained in the file.
总文件
- 曲线拟合多步预测，多个小波分解，VMD分解，神经网络集成，源代码(Curve fitting multistep prediction, multiple wavelet decomposition, VMD decomposition, neural network integration, source code)
小波神经网络分解程序
- 小波神经网络实例，用一周的数据来预测未来一天的情况，使用MATLAB软件实现人工智能的方法。(A wavelet neural network example is used to predict the situation of the next day with one week's data. MATLAB software is used)
故障诊断与容错控制课程设计报告
- 针对滚动轴承这种非平稳振动信号采用的小波包分解的方法来检测故障的存在，运用神经网络来实现故障的分类，还结合D-S理论融合了多个传感器的诊断结果，提高了故障诊断的准确性并通过实验仿真证实。(This course's job is to use the wavelet packet decomposition method for non-stationary vibration signals of rolling bearings to detect the presence of fault
irr_predict_bp
- 光伏发电功率主要受太阳辐照度影响，所以准确预测太阳辐照度对光伏功率预测十分重要。程序采用小波分解先对辐照度数据进行分解，然后再用bp神经网络对分解的辐照度数据分别预测，再组合作为最后的预测结果。(Photovoltaic power generation is mainly affected by solar irradiance, so accurate prediction of solar irradiance is very important for photovoltaic powe
bp神经网络，小波变化
- 小波变换提取特征信号用bp神经网络进行故障诊断(Bp neural network is used for fault diagnosis of feature signal extracted by wavelet transform)