【车牌识别】基于GRNN广义回归神经网络的车牌识别matlab仿真
发布时间：2024-02-01 19:30
1.软件版本
matlab2013b
2.本算法理论知识
GRNN广义回归神经网络的理论基础是非线性核回归分析，非独立变量y相对于独立变量x的回归分析实际上是计算具有最大概率值的y。设随机变量x和y的联合概率密度函数为f (x ,y)，已知x的观测值为X，则y相对于X的回归，即条件均值为：
![\"\"](\"https://img.it610.com/image/info8/54d831a3b05442f48269cb0cf4f4cc56.jpg\")
对于未知的概率密度函数f (x, y)，可由x和y的观测样本经非参数估计得：
![\"\"](\"https://img.it610.com/image/info8/87711454f07e4d288dfc71b7777713a2.jpg\")
![\"\"](\"https://img.it610.com/image/info8/a352d375beef4df7b2adb9a6d125a2bf.jpg\")
根据式子1和2可以得到：
![\"\"](\"https://img.it610.com/image/info8/c001632c12704eed811bfefc4cc23f14.jpg\")
GRNN通常被用来进行函数逼近。它具有一个径向基隐含层和一个特殊的线性层。第一层和第二层的神经元数目都与输入的样本向量对的数目相等。GRNN结