MATLAB神经网络43个案例分析.pdf 王小川！！！

风中的漂流瓶

本书是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解—案例分析—应用扩展”这一特色，帮助读者更加直观、生动地学习神经网络。

本书共有43章，内容涵盖常见的神经网络（BP、RBF、SOM、Hopfield、Elman、LVQ、Kohonen、GRNN、NARX等）以及相关智能算法（SVM、决策树、随机森林、极限学习机等）。同时，部分章节也涉及了常见的优化算法（遗传算法、蚁群算法等）与神经网络的结合问题。此外，本书还介绍了MATLAB R2012b中神经网络工具箱的新增功能与特性，如神经网络并行计算、定制神经网络、神经网络高效编程等。
5 q1 ]$ d/ O6 U7 p$ w使用本书时，建议读者按照“先通读章节内容，后调试程序，再精读章节内容”的顺序学习。本书程序建议在MATLAB R2009a及以上版本环境下运行。若在程序调试过程中有任何疑问，建议先在论坛书籍答疑版块搜索相关答案，然后再发帖与作者交流。
+ _, b8 A- r" g4 L- {5 _本书可作为高等学校相关专业学生本科毕业设计、研究生课题研究的参考书籍，亦可供相关专业教师教学参考。

4 W/ `+ }2 U) i" v% T随书附赠的程序源代码请到北京航空航天大学出版社网站的“下载专区”免费下载。也可登录MATLAB技术论坛（www.matlabsky.com）到相应书籍答疑版块免费下载。
7 e/ K! K7 l: R7 E' k

编辑推荐
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
+ h6 |0 Z$ c5 S5 l, M1 Q3 p+ Q作者简介
王小川，网名hgsz2003，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员。现于同济大学经济与管理学院攻读博士学位，长期研究神经网络在统计学中的应用，精通MATLAB、SAS、SPSS等统计软件，热衷数据分析和数据挖掘工作，擅长竞争神经网络在数据挖掘中的运用，有着扎实的理论基础和丰富的实战经验。著有《MATLAB神经网络30个案例分析》一书。史峰，网名shi01fg，对外经济贸易大学国际经济贸易学院金融学专业在读博士，MAT—LAB技术论坛(WWW．matlabsky．com)管理团队核心成员。从MATLAB 6．5开始接触MATLAB软件，主要用于金融软件开发、科学计算、交易策略研究等，并有多个MATLAB工程开发经验；在长期的使用过程中积累了较丰富的编程经验，擅长于神经网络、智能算法、科学计算和GUI设计。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。郁磊，网名yuthreestone，MATLAB技术论坛(www．matlabsky．c。m)管理团队核心成员。现工作于中科院苏州生物医学工程技术研究所，研究方向为智能控制与模式识别、生理仿真建模、远程医护等。使用MATLAB近10年，对各个版本的MATLAB开发环境及工具箱非常熟悉，具有丰富的MATLAB开发、设计经验。著有《MATLAB神经网络30个案例分析》、《MATLAB智能算法30个案例分析》等畅销书。李洋，网名faruto，MATLAB技术论坛(www．matlabsky．com)管理团队核心成员，北京师范大学应用数学硕士，8年MATLAB编程经验，对机器学习、量化投资等领域感兴趣，已出版书籍《MATLAB神经网络30个案例分析》，现就职于国内某期货公司研究院量化投资部，进行程序化交易和量化投资相关策略的研发工作。
目录
第1章BP神经网络的数据分类——语音特征信号分类
" _7 A$ n4 a8 ]) [6 }7 F. V1.1案例背景
5 T/ Y6 I0 b7 d" T1.1.1BP神经网络概述
1.1.2语音特征信号识别
6 q: e8 H4 r+ s* b9 c1.2模型建立
1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
% b& @8 \# n+ O; ?% z3 ]2 ^1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
  c4 m% O* A) o- a% o+ Z1.3.5BP神经网络分类
5 a, G3 g( {( t; I- j1.3.6结果分析
/ I4 G# A% G3 a$ p. B9 N) w3 n9 k+ X1.4案例扩展
1.4.1隐含层节点数
. C8 ^. Q$ I' R7 g2 l- d1.4.2附加动量方法
1.4.3变学习率学习算法
4 G# v" ?# T# o9 ^参考文献
第2章BP神经网络的非线性系统建模——非线性函数拟合
2.1案例背景
# v- D6 T! a  O" S5 M( B$ F' ~2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
: a( N9 {( L7 P, L2.3.2数据选择和归一化
4 N# b$ @& a; n7 Q- O. ?! Q2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
, p4 G& P: f' t) ~$ s# ~2.3.5结果分析
7 m& K- s0 `' h9 h# K7 x2.4案例扩展
+ ?. U2 q# e" b0 ?  o# V  }% e( d2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
2.4.4节点转移函数
+ R% i6 D6 u7 D3 ^& t2.4.5网络拟合的局限性
参考文献
第3章 遗传算法优化BP神经网络——非线性函数拟合
3.1案例背景
3.1.1遗传算法原理
3.1.2遗传算法的基本要素
3.1.3拟合函数
; J$ D  U  ]0 ^( f3.2模型建立
# l& c; S0 V  G. l5 a3.2.1算法流程
' b- P- D  c) \# u- Q- S" r8 G3.2.2遗传算法实现
3.3编程实现
3.3.1适应度函数
3.3.2选择操作
- c/ v4 g5 [8 A. X6 G% |3.3.3交叉操作
3.3.4变异操作
3.3.5遗传算法主函数
3.3.6 遗传算法优化的BP神经网络函数拟合
/ G& u+ v4 u8 L/ `. e3.3.7结果分析
$ a  r7 W2 o2 q$ Q9 Q3.4案例扩展
3.4.1其他优化方法
/ k+ p" C& s  M3.4.2网络结构优化
$ t" y0 _7 J& W" X. ~3.4.3算法的局限性
参考文献
; H! q# V7 _2 P" Q2 ]% x第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
4.1案例背景
: }; t8 A0 }3 \  E# ^4.2模型建立
4.3编程实现
7 f& S7 W* N8 d- b4 z4.3.1 BP神经网络训练
4.3.2适应度函数
0 [' b; d* M3 z1 D2 T3 n' C  X4 v4.3.3遗传算法主函数
  _  N$ q0 e) U/ W) W4.3.4结果分析
4.4案例扩展
9 t& y9 B) R- \5 M; k4 t4.4.1工程实例
" ]) o& ]; ^, l1 `  E, I3 D4.4.2预测精度探讨
参考文献
第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
5.1案例背景
1 G, o; Y  W5 `/ z0 h9 W0 I) B5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
- n9 x  B! W* [* e# M+ c$ p; j, ]5.2模型建立
5.3编程实现
5.3.1数据集选择
8 F  ^6 Y- s% E# n& K: l/ m5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
6 F; h" S; i: |4 r$ ^4 Z* a5.3.垂结果分析
% |- o) R# y) A$ T. c8 q/ ]+ V( L5.4案例扩展
; h/ [; d* z. z, d+ A7 @5.4.1数据集选择
5.4.2弱预测器学习预测
5.4.3强预测器预测
5.4.4结果分析
/ d# E* n, p" ?6 ~3 M; B9 k" y8 L参考文献
, I5 ]. z& `' B/ _第6章PID神经元网络解耦控制算法——多变量系统控制
1 F; t: V  [' m2 g6.1案例背景
- m' Q9 H; }3 x% p; [$ g, U3 ?6.1.1 PID神经元网络结构
4 R) W) I5 T% ]. L6.1.2控制律计算
9 C/ g6 \7 o. ]; `7 h/ `6.1.3权值修正
6.1.4控制对象
$ f5 _* `2 T0 T6.2模型建立
6.3编程实现
6.3.1 PID神经网络初始化
6.3.z控制律计算
/ V$ [5 d4 B$ J2 L, g3 v6.3.3权值修正
8 p( A8 O" e& W+ b4 c$ s: k6.3.4结果分析
/ B2 q6 E* K" i4 a# w6.4案例扩展
1 K  F8 E: z$ }6.4.1增加动量项
6.4.2神经元系数
6.4.3 PID神经元网络权值优化
参考文献
" N' d6 o. L( @3 N$ n第7章 RBF网络的回归——非线性函数回归的实现
% |1 D% a) y* H; ?1 r+ K7.1案例背景
& n$ }. l! \9 l' A+ U, j! O7.1.1 RBF神经网络概述
! M) I+ y! G0 `8 ?7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
7.2模型建立
7.3 MATLAB实现
0 O2 z- w  W; e+ n7 \: J2 a. U1 r; O7.3.1 RBF网络的相关函数
8 r1 |# a  k' B  |7.3.2结果分析
( g$ e, R& V1 P: A$ T) _4 R" e6 S7.4案例扩展
7 j  P1 K+ ^  K% s6 T7.4.1应用径向基神经网络需要注意的问题
5 c) W. z1 n! a( M7.4.2 SPREAD对网络的影响
参考文献
第8章 GRNN的数据预测——基于广义回
# q. t3 }  H8 L归神经网络的货运预测
; D) J6 N2 }7 m# }1 k5 _0 F8.1案例背景
7 F5 {8 H' `3 P7 h5 D: `" S8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
+ a: ]" G. H5 |" g$ ?" f8.1.3 GRNN的理论基础
3 k2 M- b/ V1 J1 [8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
5 E$ i- y$ X& i! K8.4案例扩展
6 @% N* O0 ?1 E  d7 o) p5 r/ g参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
0 Q: {1 C2 u) x; _; C; D- G/ H5 Y9.1案例背景
9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
; d& ~8 C  v3 R  U. J9.1.3问题描述
9.2模型建立
: t: [' |$ U1 s- j1 M! ~9.2.1设计思路
9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
( J$ q" S4 H2 ?. i9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
, d* v. \1 {' {0 c2 t" f3 r) l9.4.1输入输出设计
. w! i! U6 U' B- z! k9.4.2网络建立
9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
$ ]5 F, }' \- v' W  o/ Q# q9.5案例扩展
9.5.1识别效果讨论
. @& h  r9 @/ l1 G3 L9.5.2应用扩展
0 p% z5 L* f2 v0 m5 ?, g" \( A' s9 |参考文献
第10章 离散Hopfield神经网络的分类——高校科研能力评价
10.1案例背景
& z* l, j5 T8 B* t) j5 E; d. z10.1.1离散Hopfield神经网络学习规则
9 ?4 K3 d9 U- y10.1.2高校科研能力评价概述
10.1.3问题描述
3 v' @. ~' u6 I5 J# F1 o10.2模型建立
10.2.1设计思路
10.2.2设计步骤
10.3 MATLAB实现
+ O; h- w; \9 X  U# L10.3.1清空环境变量
, j( ^% A5 g; ?5 r$ V& v10.3.2导人数据
; r# ?( Y2 u: @7 H& G10.3.3创建目标向量（平衡点）
0 m+ V9 a+ b4 `/ \4 I4 j, p- h10.3.4创建网络
: e& Y; w. K! z* B/ p4 i/ O10.3.5仿真测试
10.3.6结果分析
10.4案例扩展
参考文献
第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
11.1案例背景
. S0 O; e# I/ [1 D  @11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
11.1.3问题描述
3 L! [0 D- \+ H2 l0 w11.2模型建立
) {- [. P) T1 t0 u+ G" t% [11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
11.3.4寻优迭代
11.3.5结果输出
, O" C# G' f/ `2 S11.4案例扩展
4 Y$ i* f+ O# O1 i0 m% q, @11.4.1结果比较
& c7 _) Q" X  x( y- K5 B# m/ H11.4.2案例扩展
/ b* M" `; l3 O# L3 p0 p1 y参考文献
第12章初识SVM分类与回归
12.1案例背景
9 b3 ?2 M" ]  f1 `12.1.1 SVM概述
% U1 t0 }+ `; d6 K12.1.2 LIBSVM工具箱介绍
, |" f" f; E, C, F/ Q+ h12.1.3 LIBSVM工具箱在MATLAB平台下的安装
4 n  \, g& d. E# O$ [12.2 MATLAB实现
12.2.1使用LIBSVM进行分类的小例子
12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
参考文献
5 j3 M! S! F6 j4 x0 W8 z第13章LIBSVM参数实例详解
13.1案例背景
13.2 MATLAB实现
" F$ H, p, f  r$ Y( l$ o13.3案例扩展
, h) V1 |* b1 }# {参考文献
: c0 \$ c- m2 J- r6 A第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
14.1案例背景
14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
……
第15章SVM的参数优化——如何更好地提升分类器的性能
第16章基于SVM的回归预测分析——上证指数开盘指数预测
9 q, `2 f8 W* p  o  E7 }* n# I第17章基于SVM的信息粒化时序回归预测——上证指数开盘指数变化趋势和变化空间预测
第18章基于SVM的图像分割——真彩色图像分割
第19章基于SVM的手写字体识别
! N, O" O3 w  u' t8 W第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
. |2 _- b, q3 e第21章自组织竞争网络在模式分类中的应用——患者癌症发病预测
第22章SOM神经网络的数据分类——柴油机故障诊断
# {* V- u: H" U第23章Elman神经网络的数据预测——电力负荷预测模型研究
2 p. _) j3 u8 T" S+ r. Y5 {第24章概率神经网络的分类预测——基于PNN的变压器故障诊断
- r' ?. {- a* K. h5 a第25章基于MIV的神经网络变量筛选——基于BP的神经网络变量筛选
第26章LVQ神经网络的分类——乳腺肿瘤诊断
: p/ @8 Q7 G3 [, w+ x% \* e3 v* b4 o! E第27章LVQ神经网络的预测——人脸朝向识别
) a5 W5 O: B6 `. E# ]3 g7 [第28章决策树分类器的应用研究——乳腺癌诊断
  `' D) X9 j+ j8 ]# h第29章极限学习机在回归拟合及分类问题中的应用研究——对比实验
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
第31章思维进化算法优化BP神经网络——非线性函数拟合
1 e# P& V: h5 l8 ?, t+ N第32章小波神经网络的时间序列预测——短时交通流量预测
; o" R  `9 Y8 ], \. L第33章模糊神经网络的预测算法——嘉陵江水质评价
第34章广义神经网络的聚类算法——网络入侵聚类
# W# I+ E$ B  o) s, J1 g4 {第35章粒子群优化算法的寻优算法——非线性函数极值寻优
第36章遗传算法优化计算——建模自变量降维
第37章基于灰色神经网络的预测算法研究——订单需求预测
第38章基于Kohonen网络的聚类算法——网络入侵聚类
4 }* b4 B# q2 v5 g+ L- L" T# n第39章神经网络GUI的实现——基于GUI的神经网络拟合、模式识别、聚类
* W$ F$ G$ n- m" P( o第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
1 z/ f' M1 e: A: [$ ~- X+ w* i第41章定制神经网络的实现——神经网络的个性化建模与仿真
# h( t) a- x  o( G第42章并行运算与神经网络——基于CPU／GPU的并行神经网络运算
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
序言
很荣幸受好友王小川之邀，并代表MathWorks公司为其新书《MATLAB神经网络43个案例分析》（《MATLAB神经网络30个案例分析》的升级版本）作序，同时也感谢该书四位才华横溢的青年才俊这几年来对MATLAB软件应用（尤其是在神经网络方面）所做的持续的推广工作。
我与这四位作者的结缘，与众多编著MATLAB丛书的作者相识过程类似，完全是因为热爱MATLAB产品。尤其是王小川，他不仅在论坛、微博里充满能量，而且他的数据挖掘公开课也令人称道，在MATLAB粉丝中有着很大的影响力。此次他集合原书作者，针对读者就原书中的书籍案例和写作上所提出的意见和建议，进行了大幅升级，终于完成了这本《MATLAB神经网络43个案例分析》的编写。
本书详细论述了在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，以及各种优化算法与神经网络的结合。考虑到MATLAB R2012b版本中神经网络工具箱作了更新，本书也新增了神经网络并行运算、定制神经网络、神经网络高效编程等章节，非常适合中高级神经网络研究人员参考。
作为众多宣讲MATLAB家族产品丛书中的一个系列，该书的最大特点是接地气，实用性强。四位作者都是长期活跃在MATLAB技术论坛的版主，每天都会在线解答MATLAB特别是针对神经网络的问题，积累了丰富的使用经验。本书所举例的43个案例，部分来源于各大公司、院校的科研课题，也有一部分来源于MATLAB技术论坛的会员提问。这些案例代表了神经网络在各个领域的相关应用，读者可以根据自己研究问题的需要，第一时间找到适合自己学习的神经网络章节，进行阅读。
9 I: b! j. z$ K8 x$ N  l1 z( G因此我相信此书的出版，必将大大加速各位神经网络使用人员的学习进度，提升大家的工程应用能力。在此我郑重向大家推荐此书。

& p* I$ m0 o0 y
MathWorks 中国教育业务发展总监
- E1 H& B4 z! Z& G* V3 o
& M2 @1 O' R0 b( X( n1 [/ u# p陈炜博士
# \7 C' k& j9 T4 Q" Y
; \3 N& L) G+ @; e. U% _; d* s2013年6月于上海
7 [5 n5 m7 Q! y! Y4 I& v! e

$ H3 Z) v. ?4 m) k- e* }) zpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
. v1 p7 K& j' p% Y* \数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
* [$ m" v2 X# ~% V! n& a3 n; K: K
: B* J8 J2 Z) J: P
5 e8 m6 S' R6 S% p0 S& s( [
  _' z" Z5 b, ?7 b7 y