欢迎来到海神之光博客之家✅博主简介热爱科研的Matlab仿真开发者修心和技术同步精进个人主页海神之光代码获取方式海神之光Matlab王者学习之路—代码获取方式⛳️座右铭行百里者半于九十。更多Matlab语音处理仿真内容点击①Matlab语音处理 进阶版②付费专栏Matlab语音处理初级版⛳️关注微信公众号Matlab王者助手或Matlab海神之光更多资源等你来⛄一、 KNN算法简介K最近邻(k-Nearest NeighborKNN)分类算法是一个理论上比较成熟的方法也是最简单的机器学习算法之一。该方法的思路是如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别则该样本也属于这个类别。1 定义如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别则该样本也属于这个类别即由你的“邻居”来推断出你的类别.2 距离公式两个样本的距离可以通过如下公式计算又叫欧式距离3 KNN算法的步骤1计算已知类别数据集中每个点与当前点的距离2选取与当前点距离最小的K个点3统计前K个点中每个类别的样本出现的频率4返回前K个点出现频率最高的类别作为当前点的预测分类。4 KNN原理5 KNN的优缺点6 KNN性能问题NN的性能问题也是KNN的缺点之一。使用KNN可以很容易的构造模型但在对待分类样本进行分类时为了获得K近邻必须采用暴力搜索的方式扫描全部训练样本并计算其与待分类样本之间的距离系统开销很大。⛄二、部分源代码clc;close all;defcolor[0,0,0];h_figfigure(1);set(h_fig,‘Menubar’,‘name’,‘语音情感识别系统 v1.0’,…‘Numbertitle’,‘off’,…‘color’,[0.9023 0.9074 0.8055]);h_textuicontrol(h_fig,‘style’,‘text’,‘unit’,‘normalized’,…‘position’,[0.0,0.0,1,1]);h_text1uicontrol(h_fig,‘style’,‘text’,‘unit’,‘normalized’,…‘position’,[0.0,0.85,0.25,0.05],‘horizontal’,‘left’,…‘string’,‘请选择待检测wav文件:’,‘fontsize’,10,‘ForegroundColor’,defcolor);h_edit1uicontrol(h_fig,‘style’,‘edit’,‘unit’,‘normalized’,…‘position’,[0.28,0.80,0.5,0.1],‘horizontal’,‘left’,…‘fontsize’,10, ‘ForegroundColor’,defcolor);h_push3uicontrol(h_fig,‘style’,‘push’,‘unit’,‘normalized’,…‘position’,[0.78,0.8,0.08,0.1],‘horizontal’,‘left’,…‘string’,‘…’,‘fontsize’,20,‘ForegroundColor’,defcolor,‘callback’,‘getfile’);h_push1uicontrol(h_fig,‘style’,‘push’,‘unit’,‘normalized’,…‘position’,[0.4,0.75,0.18,0.05],‘horizontal’,‘left’,…‘string’,‘确定’,‘fontsize’,10,‘ForegroundColor’,defcolor,‘callback’,‘process’);h_text3uicontrol(h_fig,‘style’,‘text’,‘unit’,‘normalized’,…‘position’,[0,0.5,0.28,0.1],‘horizontal’,‘left’,…‘string’,‘传统KNN算法获得结果为’,‘fontsize’,10,‘ForegroundColor’,defcolor);h_edit2uicontrol(h_fig,‘style’,‘edit’,‘unit’,‘normalized’,…‘position’,[0.28,0.5,0.3,0.1],‘horizontal’,‘left’,…‘fontsize’,10,‘ForegroundColor’,defcolor);[y,fs]wavread(filename);sound(y,fs)X3mean(FunFre(y,fs));[X1,X2,X4]TimePara(y);k13;XA[Aa Ah As X1];XE[Ea Eh Es X2];XF[Fa Fh Fs X3];XZ[Za Zh Zs X4];PAmapzo(XA);PEmapzo(XE);PFmapzo(XF);PZmapzo(XZ);a[PA(1:30);PE(1:30);PF(1:30);PZ(1:30)];h[PA(31:60);PE(31:60);PF(31:60);PZ(31:60)];s[PA(61:90);PE(61:90);PF(61:90);PZ(61:90)];x[PA(91);PE(91);PF(91);PZ(91)];%%%传统KNN算法disp(‘使用传统KNN算法识别结果为’)Aoushi(a,x);Houshi(h,x);Soushi(s,x);set(h_edit2,‘style’,‘text’);set(h_edit2,‘string’,judge(A,H,S,k));%%%%%%%改进算法disp(‘使用改进算法识别结果为’)Bmean([Aa’ Ah’ As’ Ea’ Eh’ Es’ Fa’ Fh’ Fs’ Za’ Zh’ Zs’]);Areshape(B,3,4);Oreshape([Aa Ah As],30,3);for i1:3for j1:30OO(j,i)(abs(O(j,i)-A(i,1))/A(i,1))^2;endendOsqrt(sum(OO));Preshape([Ea Eh Es],30,3);for i1:3for j1:30PP(j,i)(abs(P(j,i)-A(i,2))/A(i,2))^2;endendPsqrt(sum(PP));Qreshape([Fa Fh Fs],30,3);for i1:3for j1:30QQ(j,i)(abs(Q(j,i)-A(i,3))/A(i,3))^2;endendQsqrt(sum(QQ));Rreshape([Za Zh Zs],30,3);for i1:3for j1:30RR(j,i)(abs(R(j,i)-A(i,4))/A(i,4))^2;endendRsqrt(mean(RR));X[O’ P’ Q’ R’];for i1:3for j1:4V(i,j)(sum(X(i,:))-X(i,j))/sum(X(i,:));endfunction [str]judge(A,H,S,k)f[A H S]; %将欧距三个个矩阵合并g[A H];dnumel(f);c[1:d]; %用来存放排序后的欧距clowtohigh(f,d);num10; %用来记录被判x类的次数num20; %用来记录被判y类的次数num30;for i1:kfor j1:dif (c(i)f(j))if jnumel(A) %如果选中的欧距出自x类num1num11;elseif jnumel(g) %如果选中的欧距出自y类num3num31;elsenum2num21;endendjj1;endii1;endif(num1num2num1num3)w0;elseif(num2num1num2num3)w1;elseif(num3num1num3num2)w2;endend⛄三、运行结果⛄四、matlab版本及参考文献1 matlab版本2014a2 参考文献[1]韩纪庆,张磊,郑铁然.语音信号处理第3版[M].清华大学出版社2019.[2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社2019.3 备注简介此部分摘自互联网仅供参考若侵权联系删除 仿真咨询1 各类智能优化算法改进及应用生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化2 机器学习和深度学习方面卷积神经网络CNN、LSTM、支持向量机SVM、最小二乘支持向量机LSSVM、极限学习机ELM、核极限学习机KELM、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断3 图像处理方面图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知4 路径规划方面旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化5 无人机应用方面无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配6 无线传感器定位及布局方面传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化7 信号处理方面信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化8 电力系统方面微电网优化、无功优化、配电网重构、储能配置9 元胞自动机方面交通流 人群疏散 病毒扩散 晶体生长10 雷达方面卡尔曼滤波跟踪、航迹关联、航迹融合