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。
% m4 K, f0 d, \: C# y
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。
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。
, ~# K1 \: p- B% Q+ P* L; c7 A. R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。

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。


  ~& b" L" m' q4 f( A6 L: o( ]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。
. A( Q: X, ^  R作者简介
# x# E0 b8 |) c. @) ~' ^' O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。
7 J& b" A; n& i, C0 N  `/ _目录
第1章BP神经网络的数据分类——语音特征信号分类
7 x2 T- B$ D& `0 a6 |  ]1.1案例背景
" M' A3 H. A, s1.1.1BP神经网络概述
1.1.2语音特征信号识别
  c) v# i; P& w" q8 S  J1.2模型建立
" v- b! D+ R7 q2 w' N1.3MATLAB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
' c5 z. L+ ^  P. x1.3.3BP神经网络结构初始化
: f3 y* B. c! |# c" p: i) M1.3.4BP神经网络训练
1.3.5BP神经网络分类
1.3.6结果分析
1 L$ t* E5 ~* |; r4 W* P! u1.4案例扩展
1.4.1隐含层节点数
: f+ Z1 t) J, b1.4.2附加动量方法
1.4.3变学习率学习算法
7 H4 a' l/ ~+ L参考文献
- F2 y, y* O+ A4 N) \6 u第2章BP神经网络的非线性系统建模——非线性函数拟合
; w. m  v2 g$ n& R; y- O2.1案例背景
# T( `2 L" B8 @2.2模型建立
9 d: k6 A; Y; G. }/ b% f) C4 x2.3 MATLAB实现
9 ~8 F- l+ g$ f' A0 m2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
( g( k3 @. B  @0 }2.3.3 BP神经网络训练
& a; Q  i6 M) x; m/ q7 p4 L' i2.3.4 BP神经网络预测
+ s! x# ^, {+ Q# C6 P8 P" L/ K2.3.5结果分析
, n: D) ~9 @3 T9 _) M0 h  f2.4案例扩展
: T+ D  e3 M; y2.4.1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
0 \8 W6 y. `7 w' T2.4.4节点转移函数
2 P- ^; q* {9 a* F% K+ l2.4.5网络拟合的局限性
/ K: O, P6 ~. e3 _5 r- b参考文献
! w0 ^7 U& h5 \* T1 X6 L2 {) ]第3章 遗传算法优化BP神经网络——非线性函数拟合
, d! ~; u/ `" _! @6 s3.1案例背景
: E& z0 c$ B2 p. o9 p8 O- D3.1.1遗传算法原理
( O& d, e8 H* g3.1.2遗传算法的基本要素
3.1.3拟合函数
3.2模型建立
2 U% C( N* f6 z5 d4 ]4 K/ I& [3.2.1算法流程
6 g9 B  n+ X2 R  _3.2.2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
3.3.3交叉操作
2 f; r3 j! A* |3.3.4变异操作
7 s# v6 g# i# Z* N3.3.5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
3.3.7结果分析
( k9 R. l, ]7 }1 n8 K6 M3.4案例扩展
3.4.1其他优化方法
3.4.2网络结构优化
3.4.3算法的局限性
5 o$ @6 H8 w7 l2 U. Z! z参考文献
! x' i2 |9 T5 I: i, T4 e4 [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
- c! C! W8 F5 E+ N8 `2 `+ A4.1案例背景
" K) o2 M8 v% V0 Z! {6 ?- F4.2模型建立
( E) o" @3 s3 n+ S4.3编程实现
' ^7 q& s- s" U7 ?/ ]% ~4.3.1 BP神经网络训练
4.3.2适应度函数
  K. P! S# @6 _- C4.3.3遗传算法主函数
4.3.4结果分析
4.4案例扩展
* u, U/ \( S  M" M4.4.1工程实例
: T6 J2 C, B7 \' _8 w! r. f4.4.2预测精度探讨
7 o4 J9 I9 [+ P参考文献
* V& _+ n; l7 s9 b3 C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
5.1.1 BP—Adaboost模型
) L7 M/ |$ I. Q5 M; K0 ^9 H+ [5.1.2公司财务预警系统介绍
7 V2 F7 b* v% F" y, H+ }5.2模型建立
3 V: f) D4 ?- V9 @6 q5 {& a! Y2 V5.3编程实现
5.3.1数据集选择
5.3.2弱分类器学习分类
- Y+ v" j* M/ ?, z# F# {+ I5.3.3强分类器分类和结果统计
5.3.垂结果分析
5.4案例扩展
9 M' T8 t* E# ^8 S% F! W% O5.4.1数据集选择
! P. P6 J, |0 s9 e5.4.2弱预测器学习预测
5.4.3强预测器预测
' y  y1 o& u+ O6 F5 Y( I5.4.4结果分析
参考文献
1 `+ t# h( I) E* `+ @$ L第6章PID神经元网络解耦控制算法——多变量系统控制
9 v- i  h; S- F3 f$ L( k6.1案例背景
6.1.1 PID神经元网络结构
$ m6 P, U/ S7 q6 g6 M1 l( i6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
6.2模型建立
9 I' e0 q6 V3 R% E% u6.3编程实现
6 [$ O3 x6 V9 A7 }$ L: H# i# ?7 e' k6.3.1 PID神经网络初始化
8 \& y  F: W  Z7 }. D6.3.z控制律计算
1 n2 i) B6 E3 O8 [6.3.3权值修正
. V! M& E- {: g  M; O7 G8 t6.3.4结果分析
1 ]; g6 N) H3 Q3 X( ~# W6.4案例扩展
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
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
7.1.1 RBF神经网络概述
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
- d1 y5 r3 G# z4 t! k! B7.2模型建立
: b: D, k# m$ s7.3 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
, @& q% E( g& R; C" \/ U7.4.1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
参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
$ D2 x8 L- _9 ~. z2 j8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
) X- V4 e  f9 M! P  T8.1.4运输系统货运量预测相关背景
0 P5 a* e7 V; M# G0 i; d* D: g8.2模型建立
8.3 MATLAB实现
. s, h. |" d! G8.4案例扩展
参考文献
  a3 A5 Y! }, g: r4 {8 e7 ^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
* W1 m( E- e5 y( }# p/ I9.1.1离散Hopfield神经网络概述
. C! ?" |9 v! }7 r9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
9.2.1设计思路
9.2.2设计步骤
+ A6 m) }4 |7 J1 s; Q  ]* |9.3 Hopfield网络的神经网络工具箱函数
; y9 R8 z+ `! ~! z9.3.1 Hopfield网络创建函数
7 a- m* i" S7 N: U$ o) h9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
, P7 N& x3 I5 x7 e3 s) W2 P8 m. l9.4.1输入输出设计
9.4.2网络建立
8 {& q1 |* Y! a; [$ v; S! ~$ k5 L3 m9.4.3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
9.5案例扩展
9.5.1识别效果讨论
8 l& E4 |# I4 X, k1 U& j2 ?8 d1 F9.5.2应用扩展
1 H6 w! v' f& P) R: e6 J& B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
8 w. n6 v( J- N% h$ a' w10.1案例背景
10.1.1离散Hopfield神经网络学习规则
10.1.2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
( f# i' e& S/ `" ^10.3 MATLAB实现
1 i3 @  [( u  p* V: t/ ~10.3.1清空环境变量
( f) S' H, O; p0 b; y+ Q10.3.2导人数据
6 Y. i2 |6 A! y10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
" K5 q: u8 Q" [0 r8 e% X10.3.6结果分析
10.4案例扩展
. p* A+ b4 u: e4 o4 H3 k% c0 K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
11.1.1连续Hopfield神经网络概述
2 y! c" r, ?+ E' V* R9 w11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
0 r" [% O: r; \11.2.1设计思路
; j2 k1 E1 x" H4 E9 `  r11.2.2设计步骤
11.3 MATLAB实现
2 e+ b& G% c  U' z' n: S" J11.3.1清空环境变量、声明全局变量
- i" k- V; A* D% j3 B11.3.2城市位置导入并计算城市间距离
6 _  R+ ~9 c& Y/ P6 d11.3.3初始化网络
. O2 w# O' }; v4 p( H11.3.4寻优迭代
/ \4 E8 C' o/ _! ^. |4 w% k& y11.3.5结果输出
11.4案例扩展
11.4.1结果比较
2 E7 f7 W  U! C% I) B& l9 w/ a11.4.2案例扩展
参考文献
3 C0 T: O$ H6 M, B; _7 a9 @: O" h第12章初识SVM分类与回归
9 w4 h5 h- z* U( t+ b: c( c$ t1 e12.1案例背景
% q; i+ Z) e0 h3 o6 Z7 n) J$ v12.1.1 SVM概述
5 z7 s+ X* t/ @/ b' B( p12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
* M0 W" V/ G8 _6 X. V9 e7 f12.2 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
- C$ a' h: K- ?( Z7 h12.3案例扩展
参考文献
- X  d) N- S8 w4 y第13章LIBSVM参数实例详解
13.1案例背景
% C, C: ~$ g8 z2 ~% e13.2 MATLAB实现
2 b: ], W5 X; Q. C& G4 [) p' s13.3案例扩展
0 |$ S9 k* [, A# m& T+ M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
/ ^9 N; c+ i- w/ F" `' ^……
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
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
5 c3 f% K8 `2 t+ b3 U5 O! \第18章基于SVM的图像分割——真彩色图像分割
, }: H8 I/ Y6 X4 q第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
% ~! B6 I! ~- `! o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
: k! j6 }8 D' f# z# b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
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
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
! k- d. J( _( I7 A1 t: J' F3 D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
+ F9 @1 p8 h& p' k8 ~* t# G第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
& `' i0 x6 P0 C4 z# v4 s第31章思维进化算法优化BP神经网络——非线性函数拟合
9 J5 l5 \& R: [8 q* h" P3 B第32章小波神经网络的时间序列预测——短时交通流量预测
* E1 k% R7 V  }, K+ Y第33章模糊神经网络的预测算法——嘉陵江水质评价
% E6 Q' d/ p* r3 B! D  f第34章广义神经网络的聚类算法——网络入侵聚类
, J# |  y, C+ L( e! s- T) r第35章粒子群优化算法的寻优算法——非线性函数极值寻优
, d6 d: a( q) N: D9 ^第36章遗传算法优化计算——建模自变量降维
9 i* x# D. B" D& @0 }. F第37章基于灰色神经网络的预测算法研究——订单需求预测
% [0 p1 ]7 n; z. x& @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
第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
" x; r5 m8 k4 Q5 M1 N$ N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
2 R9 |/ ?- ?) q: c# M. e3 [7 p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
2 f* P  ^# @% n* u4 d! B7 \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。
# c( f3 O: F* n8 v" y# w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。
* E( w2 N4 p7 j" {- ^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。
% ?' S. N4 K) A+ p0 E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。
$ W  |$ _" N# i- `/ q. p# P
2 _& Y0 R3 K7 A
MathWorks 中国教育业务发展总监

! V: l& z0 d6 f( Y& }: [陈炜博士

/ Q, x9 m; l/ |% P6 h2013年6月于上海
/ F2 Y! w4 \- F  {! @) w, X( N0 ~9 L
% j1 B7 h7 y# {$ z9 }, C
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
* H) ]2 t' I$ X, G4 `数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
# H$ a) u8 \: F/ I, d

/ h% r$ I  i* K: x0 y& K