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。
4 s% x+ e, M/ C& g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。
! Z; Z+ [( H- O) ]5 R' T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。
& Y' P- ?2 n0 y: I
) Y" p0 t+ k: r9 B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。


4 G1 F1 z- H, a$ w& U4 ]# ]$ t8 _& c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。
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
( K. `6 a/ c, P9 n6 R7 ?0 i( q7 W1.1案例背景
  U/ g9 y( R& _/ g& p9 Q& e1.1.1BP神经网络概述
1.1.2语音特征信号识别
+ H' k: L* g5 j4 S) v3 f+ W1.2模型建立
( I( K( [: e/ A7 m/ a. X, g8 E1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
1.3.2数据选择和归一化
* ^) t. m- V2 M7 ~8 F6 P1.3.3BP神经网络结构初始化
6 S/ Z4 k+ @# l) x  q1.3.4BP神经网络训练
# @; j, h1 |' }1.3.5BP神经网络分类
1.3.6结果分析
1.4案例扩展
& D) I5 G0 R2 a( Y, H/ P4 [6 W# i1.4.1隐含层节点数
1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
% t6 {8 T0 o& l' `& G$ l第2章BP神经网络的非线性系统建模——非线性函数拟合
3 e" R. X- M9 W- k% x9 K+ ?9 N% j2.1案例背景
2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
! t! d) N  J. V" x! j: p6 Z9 d0 w2.3.2数据选择和归一化
2.3.3 BP神经网络训练
9 z7 ]* G  K: G- N2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
2.4.1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
. }8 |; X' [: q( I5 w" U2.4.5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
# V6 C% M2 i8 l3 D: U3.1案例背景
/ B" x7 v5 x1 i) h; t3.1.1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
3.2模型建立
3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
4 G4 C9 F; ^+ J# C3 P3.3.1适应度函数
0 R; ^5 x% V$ h5 D! r0 T8 H: Q' q3.3.2选择操作
3.3.3交叉操作
3.3.4变异操作
3.3.5遗传算法主函数
% X3 S  n4 s) l; V& o0 ]* g$ c3.3.6 遗传算法优化的BP神经网络函数拟合
! M* i0 t6 g! p2 i  I3.3.7结果分析
3.4案例扩展
0 _$ a3 k6 p4 @! S7 W3.4.1其他优化方法
3.4.2网络结构优化
3.4.3算法的局限性
参考文献
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
1 F. E. x0 T0 D6 r8 A* B! T2 k& c( c* ^4.1案例背景
4.2模型建立
# [  \: S% E8 X2 W4 n; I, s4.3编程实现
4.3.1 BP神经网络训练
+ W# `- V' w: z. l5 j6 u( B4.3.2适应度函数
* L1 |3 `) V  I- k4.3.3遗传算法主函数
2 Z, u+ p& V# C% J4 e# b) |( o# H( ~% m4.3.4结果分析
4.4案例扩展
4.4.1工程实例
4.4.2预测精度探讨
5 a/ d- U) B3 I+ X9 v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 g+ ~. _+ z6 m- i' J1 r5.1案例背景
5.1.1 BP—Adaboost模型
. f# B2 h. I, B5.1.2公司财务预警系统介绍
/ b. J' v6 E2 ]  E# i0 Q5.2模型建立
) P8 ]  M4 d% t" B: A8 s1 r+ K5.3编程实现
5.3.1数据集选择
- u. u% [% e- v5 f  H, i- I7 Z5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
. {) z3 g. c/ B; R3 F5.4.2弱预测器学习预测
7 p& J7 q7 [. {) b, N5.4.3强预测器预测
5.4.4结果分析
参考文献
; }9 l( ^$ S0 q9 P第6章PID神经元网络解耦控制算法——多变量系统控制
& K( l  W# E1 y2 y. O3 F7 z6.1案例背景
& Z6 v; n( ]2 [" s  L2 g' X! \6.1.1 PID神经元网络结构
6.1.2控制律计算
6.1.3权值修正
; e6 k& ]/ C/ O6.1.4控制对象
6.2模型建立
6 \7 j$ p' O+ `! V/ }- u6.3编程实现
' B' ]8 f0 D  P) n8 H4 r6.3.1 PID神经网络初始化
8 I/ x; T/ `* A* d9 x% }2 w6.3.z控制律计算
8 X( @$ \& d- Q/ C6 @6.3.3权值修正
6.3.4结果分析
6.4案例扩展
! o0 x" }' n$ q& _/ {6.4.1增加动量项
  n' l# i- ?. S5 n6.4.2神经元系数
& b5 T' N# x+ o( W; ~6.4.3 PID神经元网络权值优化
# s" Q8 s5 r% G# Q8 G* K9 Z参考文献
) l9 z  H" ^: g- W2 y( g. t第7章 RBF网络的回归——非线性函数回归的实现
7.1案例背景
: A2 a0 \, ?8 Y4 v2 u7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
2 ?- ]$ i% ~: d' \( p+ y7.1.3 RBF神经网络的学习算法
6 F( t' Y& _/ I3 _! [* Y! O' K7.1.4曲线拟合相关背景
% E; j) [- s; E$ T! F7.2模型建立
0 Q+ s- O& d' S2 l% \9 t9 Z; }: y+ g2 t7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
7.4.1应用径向基神经网络需要注意的问题
7.4.2 SPREAD对网络的影响
8 v8 Q/ m& }" ~( ]  i  K6 O参考文献
/ C0 [. d8 U6 O2 K第8章 GRNN的数据预测——基于广义回
' \' a+ O) `% V归神经网络的货运预测
8.1案例背景
' T1 }$ N" e$ U; G) H8.1.1 GRNN神经网络概述
4 J3 ]. ^, M* ], Y( ~* ~8.1.2 GRNN的网络结构
- W7 m1 b/ @4 f5 c2 I* w! h2 G8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
+ A! T" i' u$ C9 S* |$ a! H8.2模型建立
8.3 MATLAB实现
8.4案例扩展
参考文献
第9章 离散Hopfield神经网络的联想记忆——数字识别
9.1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
9.1.3问题描述
$ _1 Q3 I/ q% P5 c9 [" N( K  t9.2模型建立
; h; C; N( A0 g( q, t4 F2 j9.2.1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
. t! I7 t$ {0 l9.3.1 Hopfield网络创建函数
* J8 y# d% Y- g8 o. l7 J9.3.2 Hopfield网络仿真函数
8 i2 w1 H; Z* n* y* [) {! n9.4 MATLAB实现
$ u8 s1 t! n2 r' m# Z( u6 w( o9.4.1输入输出设计
9 D* T* q% o2 |* B' I0 H" s; h. r+ `9.4.2网络建立
- @3 K% C6 z+ ~8 f0 S; t% z9.4.3产生带噪声的数字点阵
2 }( ~  Z" v$ ~: P9.4.4数字识别测试
# }2 V, |7 Y0 C2 S% J9.4.5结果分析
9.5案例扩展
2 c7 T$ C. z4 h6 \9.5.1识别效果讨论
9.5.2应用扩展
' ~' A9 W6 L( l" P2 e' q' X参考文献
+ }- s8 y! e5 B2 z3 B) {  X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
0 E9 E( V  x) Y) T10.1.1离散Hopfield神经网络学习规则
) `! p# J- L5 }/ D2 ^6 L10.1.2高校科研能力评价概述
10.1.3问题描述
10.2模型建立
10.2.1设计思路
10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
- r$ P) m: ]" c2 `10.3.2导人数据
  G: @$ r( @; c* z; t% b) {10.3.3创建目标向量（平衡点）
( v# E- n5 j( ~10.3.4创建网络
10.3.5仿真测试
10.3.6结果分析
0 O5 I# v) z8 p) ?2 _8 M+ Z$ @4 \5 L10.4案例扩展
参考文献
, S: o0 m1 o  x" s& S! \* V( P第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
: B* Z) Z9 Y- G7 b$ ~% n7 `& g0 b11.1案例背景
11.1.1连续Hopfield神经网络概述
9 Z" n/ @" I6 o4 a% v11.1.2组合优化问题概述
8 i' [+ @5 t( X$ X. j11.1.3问题描述
11.2模型建立
' K8 P1 s& H) O0 L% v+ h9 j11.2.1设计思路
11.2.2设计步骤
8 b- ~$ q! c& P- {; p5 K; g11.3 MATLAB实现
" Y6 q' |9 |: D+ y% q) q11.3.1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
# K& ?9 V: w6 D/ p/ v+ ~  @% l11.3.3初始化网络
11.3.4寻优迭代
$ g" A9 r& u/ u% ~+ s1 Y11.3.5结果输出
& g  F! z7 s8 i$ r11.4案例扩展
11.4.1结果比较
+ h( I5 G6 n' |3 h/ L8 Y" C' l3 v: A) R11.4.2案例扩展
参考文献
' c. Z/ @( Z. G第12章初识SVM分类与回归
) U3 V* g' u8 f  R( P; C+ P& e12.1案例背景
3 b  B! f5 N4 Y& I$ t- k5 J2 S; c% ~12.1.1 SVM概述
5 J' A. \0 d3 I! o3 P12.1.2 LIBSVM工具箱介绍
& H$ M% n! h+ {5 Z- k/ M, a2 J12.1.3 LIBSVM工具箱在MATLAB平台下的安装
) _; }; R3 e2 T# p( ]1 U12.2 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
, L6 g: U7 {: @12.3案例扩展
参考文献
第13章LIBSVM参数实例详解
* @% B) s# o4 L0 a. m13.1案例背景
13.2 MATLAB实现
13.3案例扩展
' V7 E4 ^( s$ z: M- v参考文献
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
& \2 o2 J/ u( S/ @4 [3 O……
/ k& H/ u; j" x1 @- X第15章SVM的参数优化——如何更好地提升分类器的性能
. Z2 A' d1 @4 ~; J第16章基于SVM的回归预测分析——上证指数开盘指数预测
2 J/ k2 ~6 n% q; F- J, V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
6 B: T' i/ n# b0 T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
' f8 r/ S6 H; k* [第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
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
第23章Elman神经网络的数据预测——电力负荷预测模型研究
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
/ d0 ^; f8 V  n8 E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
; L6 l- y' {. M/ t第26章LVQ神经网络的分类——乳腺肿瘤诊断
第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
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
" d. p! z/ n; F4 p第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
) J, z+ `# T& D: z- }8 A) P6 L2 b第31章思维进化算法优化BP神经网络——非线性函数拟合
) t$ K8 s* F2 N% V/ I' t* y  U  I第32章小波神经网络的时间序列预测——短时交通流量预测
4 B; `) n4 o$ C, \第33章模糊神经网络的预测算法——嘉陵江水质评价
- y( O7 U" S: q/ o第34章广义神经网络的聚类算法——网络入侵聚类
! \  Y2 |# C2 Q5 C第35章粒子群优化算法的寻优算法——非线性函数极值寻优
5 I5 L! K( R" {" L+ ~2 Q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
3 \7 W8 f, _. \3 L6 s' M5 Z第38章基于Kohonen网络的聚类算法——网络入侵聚类
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
3 T. n! p3 C4 h$ q& x第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
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
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
- O2 `0 ?2 N6 u8 P% n  d% Z第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
- w  ~5 a: z& c/ I序言
' @2 I% |! w$ I5 T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。
  R7 m+ R; R# a& q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。
4 A# I! F6 k8 H9 p. l, C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。
. |: V" d" _. G* \0 u4 S9 |. {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。

6 u/ W; O+ f/ u4 m$ o: Q6 P! l
MathWorks 中国教育业务发展总监
% v7 S2 u8 a5 ^7 |
陈炜博士

1 q% g) D# S+ r5 n7 \2013年6月于上海
( t" y+ I* W# c; ~
! H. a8 B; A4 w) u
/ w7 E6 _  F$ Spdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

2 t1 c0 t& s4 x, [$ Z6 _
4 o2 m( n3 Y, c- j, J. Y