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。
/ e; F. y) Q! Y( y5 f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。
) y% K. H# F  o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。

- U/ `" g$ m% L) [- @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。


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。
9 a9 z1 R: Z6 B6 u. r8 u; z, N作者简介
( @$ I9 @! j+ M4 C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。
0 k0 n: o" f/ f0 L目录
! ^2 f& }5 B3 S) H9 k第1章BP神经网络的数据分类——语音特征信号分类
, v# D' I7 e/ `! G1.1案例背景
1.1.1BP神经网络概述
+ F% E7 T3 {: `3 l: H* |7 }1.1.2语音特征信号识别
4 c) a  y5 r' M* Z& p8 a. k# z, ^1.2模型建立
; W4 t7 O& D( @# P3 Q* X, U1.3MATLAB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
1.3.3BP神经网络结构初始化
' q& t/ b/ j8 P1 h0 g1.3.4BP神经网络训练
1.3.5BP神经网络分类
6 i2 y' T7 `) S* T- [1.3.6结果分析
( ^- W& E- F- A7 l1 r1.4案例扩展
1.4.1隐含层节点数
, U/ f/ g0 \0 s0 @4 F5 [$ S1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
  `3 w: T, y5 [/ G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
! p) e" D, J$ z2.2模型建立
9 e6 Z3 |' A  g4 i$ `2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
2.3.3 BP神经网络训练
  O3 D, [! J. m, {2 p2.3.4 BP神经网络预测
2.3.5结果分析
' ?9 J: N; Y: Z7 G4 z2.4案例扩展
4 O; b4 A- Z* X9 m2.4.1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
! V. |7 e6 p: h- f6 y7 B* G2.4.4节点转移函数
" K0 G6 g0 }4 V. O3 L1 {2.4.5网络拟合的局限性
6 @1 @3 p7 g. z5 I6 V! L- Q4 N* f参考文献
2 U/ [% R9 v  H( f5 a+ H) X第3章 遗传算法优化BP神经网络——非线性函数拟合
2 z$ [0 {7 y3 H# ^& Z( ?: P3.1案例背景
7 d. A, f/ z+ H3 e, o5 [3.1.1遗传算法原理
& ^* ?7 a6 d4 S8 t: [( \, U; X3.1.2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 S6 g: |" w) h/ j3 u, g6 V3.2.2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
5 k, R' o" q+ n3 p+ @5 n3.3.3交叉操作
+ `6 O3 y: k/ r! c0 B0 \" F2 c3.3.4变异操作
- H( F- o) j2 `/ g9 ~3.3.5遗传算法主函数
  Q; r3 E1 g. p1 W+ D2 G, E, w3.3.6 遗传算法优化的BP神经网络函数拟合
& ^8 ^3 H# _0 X8 P3 O3.3.7结果分析
3.4案例扩展
; V' p( w# |9 a% N3.4.1其他优化方法
3.4.2网络结构优化
1 E) Q# Z* L6 [+ Y+ U. ~3.4.3算法的局限性
1 \; h- E, b( P0 O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
4.1案例背景
4.2模型建立
" ]+ d  ?4 Z& ]* E! j- t4.3编程实现
4.3.1 BP神经网络训练
4 C  l$ Z' `) l# T4 Y5 p4.3.2适应度函数
) w6 Z  E1 Y& o# m6 C" n) ?4.3.3遗传算法主函数
2 ^+ _) }" x' A- O% v* _# F3 r4.3.4结果分析
4.4案例扩展
4.4.1工程实例
. d* v9 d/ f2 b( i% W+ k, E% _2 r4.4.2预测精度探讨
! q" ~4 _% l; Y2 q! S( y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
% g" p$ S3 u: y) {; Z' `" s. T" x5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
; `" W- r& _- T5.2模型建立
5.3编程实现
: d9 ]2 A& @/ ~+ x' m* C) D2 [6 |5.3.1数据集选择
. d- S2 Q$ y# n( V% l: _+ o5.3.2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
0 u! D% ^$ z4 l% m$ }! P, Z3 ?5.4案例扩展
5.4.1数据集选择
5 P* H  [" z2 [, p' m* L5.4.2弱预测器学习预测
5.4.3强预测器预测
: A$ Z2 m) w" [  v6 n5.4.4结果分析
- L. }& ?( V5 o参考文献
第6章PID神经元网络解耦控制算法——多变量系统控制
6.1案例背景
/ ]% A2 J( r: p, z% ~6.1.1 PID神经元网络结构
, b1 q* u+ F# M* U4 L+ F6.1.2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
6.3编程实现
6.3.1 PID神经网络初始化
; v  L; G6 J: i. J% i2 ~3 J6.3.z控制律计算
2 C8 F3 |9 r4 T8 B" r6.3.3权值修正
6.3.4结果分析
8 Z) M4 Y% y2 \7 E* _6 E6.4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
& g' T+ ~, P8 N( Q9 s0 L+ x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
; m+ I, a; v$ r! N7.1.4曲线拟合相关背景
7.2模型建立
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
9 x% E/ ]+ \) Z  o+ s% I' I7.4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
参考文献
* h3 K+ ^& A1 f; J) R7 P第8章 GRNN的数据预测——基于广义回
0 M" `9 y4 c. ?" Y8 I- [5 j归神经网络的货运预测
8.1案例背景
3 A# I/ T/ G- B! N0 o8.1.1 GRNN神经网络概述
; ]7 ?( i1 k+ g( k+ p8.1.2 GRNN的网络结构
4 ?: @! b2 _& W' f$ \- m8.1.3 GRNN的理论基础
8 v" F$ c0 q( T9 i( j; |2 S4 u8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
" V- U$ u: l6 B6 A8.4案例扩展
+ s; }* ]. j, p( _" ^' S' {参考文献
/ Y6 q  d% l# L8 m第9章 离散Hopfield神经网络的联想记忆——数字识别
5 }- L$ }3 P% `$ F9.1案例背景
& `9 D, {- @5 h% p9 v9.1.1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
7 j1 _$ p3 {% q  |1 T$ k3 K9.2模型建立
* c% s( U5 N8 h5 c: h3 Y9.2.1设计思路
5 W- s& I# X3 w2 A0 @' {9.2.2设计步骤
# s! @- |  q: [' Y& G2 R9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
/ n  D3 g+ b* q9.4.1输入输出设计
9.4.2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
9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
参考文献
2 B# p% O1 p) l/ B, k  C第10章 离散Hopfield神经网络的分类——高校科研能力评价
6 P" I$ ?0 q. m- _6 _$ F; D( e10.1案例背景
/ w1 T% b! ^# i& v( {  a9 `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
" ]) d; |( ?/ [+ p8 I10.1.3问题描述
$ l+ C4 T# G( C5 M10.2模型建立
10.2.1设计思路
% t" |: N8 i7 s' e6 a2 A6 W  F4 F10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
8 H) E/ T: e! F& w+ l10.3.3创建目标向量（平衡点）
# m! l* S" n5 z& W+ R$ d10.3.4创建网络
10.3.5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
& N7 Z$ d- Y' P' i5 b  j* f! b11.1案例背景
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
4 `( D' d1 S- ~- H( g9 K11.2模型建立
6 @/ l' Y3 H. l' L' }' T; i  l11.2.1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
* X5 I* q6 i) c( _2 l( d11.3.2城市位置导入并计算城市间距离
" a8 m- {3 s- \4 {# G6 k8 h0 J11.3.3初始化网络
% E' [0 l9 J2 U2 `+ {; Q# y4 y11.3.4寻优迭代
11.3.5结果输出
' `3 Q1 V$ W7 T/ i11.4案例扩展
11.4.1结果比较
11.4.2案例扩展
参考文献
7 M5 o! }3 r" l6 e第12章初识SVM分类与回归
12.1案例背景
# J6 Z  q4 L/ C9 ^12.1.1 SVM概述
* S! H3 y$ N6 `" [9 U12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
+ N1 w  {9 p! m: e- k; g12.2 MATLAB实现
0 `# f7 e! j: w, ^/ B0 N( P12.2.1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
% b$ W! R7 p8 a' B4 p! L12.3案例扩展
参考文献
, B. |3 F0 @# P: v第13章LIBSVM参数实例详解
# _- E- M& N( I. s13.1案例背景
13.2 MATLAB实现
3 w8 ]+ D) _' q; d+ f13.3案例扩展
8 S, _6 g+ G, B& k7 m/ K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
* m6 \. i/ U) z# v% C$ t14.1案例背景
' H' d& `0 o' p7 h+ i2 v0 h14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
( U7 p! [$ \* X' L' ^. t2 g……
第15章SVM的参数优化——如何更好地提升分类器的性能
  O( z+ m: S3 S3 ?9 S# Q% l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
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
; k* ~" _# [1 ^; b0 b第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
6 c' x5 k$ i! \! e. E$ B1 {3 D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
! M: A2 Y$ w! k; j+ z% b第23章Elman神经网络的数据预测——电力负荷预测模型研究
  y2 g' v, N7 M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
8 a) ~# m& }2 @" K' s4 R( m7 z1 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
第26章LVQ神经网络的分类——乳腺肿瘤诊断
+ F2 u/ Q( O- `1 v3 n) f第27章LVQ神经网络的预测——人脸朝向识别
) U1 D; u0 {7 p! G第28章决策树分类器的应用研究——乳腺癌诊断
: k* ^1 ]/ n3 w* A* C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
3 A; `# g2 k7 r) O" k. w2 W; v第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
4 w$ I1 n7 q' L$ P! K  q第31章思维进化算法优化BP神经网络——非线性函数拟合
3 `" X' m4 L; n5 v第32章小波神经网络的时间序列预测——短时交通流量预测
2 I2 c* s& ~; |1 j5 z( z, p5 q第33章模糊神经网络的预测算法——嘉陵江水质评价
9 G' I' d* O* _0 r- |2 _3 k8 ~. J第34章广义神经网络的聚类算法——网络入侵聚类
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
! A! S: j! K7 @5 B8 `* I第36章遗传算法优化计算——建模自变量降维
9 B# b4 s( ~' Z9 o7 W第37章基于灰色神经网络的预测算法研究——订单需求预测
; l' b( t7 m9 I. {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
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
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
' i* j( V7 L1 G  A8 Z8 I' K4 {' ~3 E序言
3 |% y9 s' G! U0 X0 }3 W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。
; t* K' V; a& G/ q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。
. K# C( l* M7 v; `% B9 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。

! Q, p! @( q- T" H
+ @; i7 g( K- vMathWorks 中国教育业务发展总监
4 u& `. }0 ~: x- o7 y- F! r  J
8 [7 t6 X$ G. J5 W' P: v, G陈炜博士

2013年6月于上海
% S. L, q/ c$ I

pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
" r2 X, n  r. r* U数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r



$ d9 i; V( J& n4 {