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。

* c1 l/ }. s& D' \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。
7 N7 k+ ~) x. U8 c0 H$ \5 h2 V# t& }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。
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。
+ X) u/ u/ K. n0 u4 ~7 ^$ F
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。
/ a' g% S3 F( L: I3 L6 y

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。
2 h% u. \! k- a1 }& q0 q1 v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。
4 \, G/ O5 s! T3 y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
1.1案例背景
7 d8 n6 G3 u% I5 @1 q1.1.1BP神经网络概述
1.1.2语音特征信号识别
* y/ o4 X& M% ^% J2 n9 f5 n1 ^, D1.2模型建立
& E' D2 G2 b, q9 K1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
, `" v5 e* E& s) \/ W2 j; c1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
' A+ h' T4 t8 w2 G4 \0 @1.3.4BP神经网络训练
1.3.5BP神经网络分类
5 I7 {  f; u" m' }1.3.6结果分析
1.4案例扩展
1.4.1隐含层节点数
5 g. r6 V/ C3 Y" ?$ E1.4.2附加动量方法
1.4.3变学习率学习算法
  v6 M' Y/ h5 [$ Y6 ]+ _, Z! {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
1 P, s% J, }/ @. E8 V, c6 w* u3 e2.1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% d3 F* e" x+ W2.3.2数据选择和归一化
/ {. ^/ |7 w2 b2 t2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
/ s$ ~. `3 X6 a: m% M! x5 a2.4.1多隐含层BP神经网络
9 C" h; F' h8 i# _6 \6 d% w4 ~/ ?2.4.2隐含层节点数
* g2 ?% E* |$ e2.4.3训练数据对预测精度影响
2.4.4节点转移函数
( K  O7 {! X' ?. R3 w2.4.5网络拟合的局限性
参考文献
% W: d# K2 m) A. g2 a) R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
3.2模型建立
. f. V  l5 Q! f- h- t% i3 k3.2.1算法流程
2 V' M+ }6 p" G1 Y3.2.2遗传算法实现
3.3编程实现
7 |4 l' }: {/ t" e6 R" w3.3.1适应度函数
3 o' q$ z. X; W' k6 K3 l! S, ~0 T3.3.2选择操作
: g2 L5 [! o0 @2 b9 L3.3.3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
, S9 s0 l- M5 D- N0 b- s3.3.7结果分析
3.4案例扩展
3.4.1其他优化方法
3.4.2网络结构优化
- r& I; \& y& J% J* c; R3 @3.4.3算法的局限性
参考文献
8 ]4 j; G. [! O8 p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
- R- |# |  T! d" o+ g4.3编程实现
4.3.1 BP神经网络训练
/ N9 i" ~% A& ^( q3 f# k3 ^/ f, B4.3.2适应度函数
4.3.3遗传算法主函数
1 B3 \: E9 x  L) X% {/ h3 f4.3.4结果分析
7 M3 h  t! k) o) z7 E; ?4.4案例扩展
4.4.1工程实例
4.4.2预测精度探讨
8 [% d1 P7 ]1 p参考文献
& ?  H5 I  k8 e, x  o8 h, X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
, t) ?( S. \6 Q3 k7 r5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
% e- S6 o. B7 _' Y  U5.3.1数据集选择
# K+ a9 }7 T  t; i7 x& n5.3.2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
% K0 i+ ]8 f" _/ F: S- r) ]5.4案例扩展
" \  J# B* X; \- s, R5.4.1数据集选择
# R  [! h4 O+ k( @; H/ R5.4.2弱预测器学习预测
& }* {/ h% f7 o8 e- \5 m5.4.3强预测器预测
) O+ ~; y% U6 y- }5.4.4结果分析
参考文献
3 Q9 N6 B3 o, K3 S* N( j3 {0 E$ i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
6.1.1 PID神经元网络结构
# @6 n8 W  q. O' C6.1.2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
  c' R' s* N+ i3 Z7 ?0 S& F6.3.1 PID神经网络初始化
$ P; O* D4 M3 U! T2 U$ l6.3.z控制律计算
' E! b8 A- L( g6 H6.3.3权值修正
6.3.4结果分析
6.4案例扩展
$ L- F; n# G2 I6 N* ]% Y" R6.4.1增加动量项
% X- I. `1 u; p1 N- `  E6.4.2神经元系数
4 Y2 C$ x6 k- }* K: t6.4.3 PID神经元网络权值优化
' d0 `8 R/ s2 S5 W% g4 Q参考文献
7 B0 |" q2 \/ b* e* ~0 Z0 v" R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
: B4 w/ P* J9 c7.1.3 RBF神经网络的学习算法
4 F7 o- g% f. G: D1 c- a0 R0 O7.1.4曲线拟合相关背景
7.2模型建立
) R; t. ]/ o" p8 S# Z, m. i7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
7 {# s* }  B; L" K8 O  e7.4案例扩展
( M: u7 s" Y* M/ e6 H$ n7.4.1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
- t+ O: `& V0 C& a1 @$ ?4 C第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
8.1案例背景
' k+ w* b& |' X# M8.1.1 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
8.1.4运输系统货运量预测相关背景
5 U! `( |, N7 U% f8.2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
& f0 Q' e; U; S9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
$ F0 ^+ _9 D# u8 }3 h9.2.1设计思路
* x. S' o. L9 M- j9.2.2设计步骤
. J7 n* r8 o" W& s: T9.3 Hopfield网络的神经网络工具箱函数
5 `- U" ~6 ], ^( X6 T9.3.1 Hopfield网络创建函数
4 Y( @$ j/ y& U- A9.3.2 Hopfield网络仿真函数
4 ]5 c! @1 P. h( z) G: J9.4 MATLAB实现
$ z0 U  n$ n/ ~/ c. V5 ?9.4.1输入输出设计
/ w, N$ P6 e; R9 p- w9.4.2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
- u7 _0 ?3 P/ i+ D& f8 U9.4.5结果分析
" F0 O9 e4 E! [9.5案例扩展
9.5.1识别效果讨论
* L- f9 P5 m, z) K0 ^9.5.2应用扩展
. m& n' |8 p6 Q# X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 ^7 O( M5 |; ?  B( H. T10.1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
1 s, t/ t* k( T* k$ N0 I10.1.3问题描述
( Q, [: u4 g, ^) i* m6 x7 ?10.2模型建立
10.2.1设计思路
10.2.2设计步骤
1 Y$ P. Q5 D+ C% I/ I6 }' {. l10.3 MATLAB实现
10.3.1清空环境变量
4 Y3 w$ P: x8 C5 ~5 h+ @5 P5 a10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
" P; x8 ^. i: Z10.3.5仿真测试
10.3.6结果分析
10.4案例扩展
4 H& E" S& Q6 M& r" _& K- f" J/ i参考文献
7 ]8 B" d1 _" o( {" r第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
' ]1 a: u8 G  j11.1案例背景
11.1.1连续Hopfield神经网络概述
; a, L) N* H% V% M6 \" P0 P11.1.2组合优化问题概述
11.1.3问题描述
/ H% R+ a' [# J3 C11.2模型建立
11.2.1设计思路
! X" s; C+ b( b( C+ h11.2.2设计步骤
# ]4 [5 {) G) w  m11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
# c0 N2 _" w* P8 e* G4 l' |2 d11.3.2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
& j1 ?  S2 Z, c  w2 _( K) ^3 w  L11.3.5结果输出
% l6 E& l' ]& Y# R: R11.4案例扩展
11.4.1结果比较
11.4.2案例扩展
参考文献
6 y5 V) Z% T* U, L) u7 }1 y& Q第12章初识SVM分类与回归
12.1案例背景
12.1.1 SVM概述
) h- r7 d: H' R8 ~- L12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
1 o9 J3 {) W  H" l3 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
- X$ p+ U- N# h) \8 \, E6 L12.3案例扩展
参考文献
& ?( c7 d. y* x# i/ `+ z; d9 o" `第13章LIBSVM参数实例详解
13.1案例背景
" K" t7 c$ t- p0 t" q4 M1 B13.2 MATLAB实现
. Q  _$ L7 W5 ~5 x( ~13.3案例扩展
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
! |% A: `; B: n  v5 j" q7 |14.2模型建立
) u' f" y" T! T14.3 MATLAB实现
: E* l, |3 m8 p6 I" ~2 l14 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
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
  A  @/ M* a8 _, P5 Q5 u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
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
# q$ _4 Z+ A5 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
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
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
" \  J# Q/ ^4 ]: e+ u* K第26章LVQ神经网络的分类——乳腺肿瘤诊断
; q- W- O4 ?" h* y) T! f4 |2 h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
3 s. W. v3 U* Y$ ~  z第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
* V7 ?; j  o" ^' I) l6 P第31章思维进化算法优化BP神经网络——非线性函数拟合
第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
# U% v& M0 x5 A1 _5 s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
, U2 t  C1 u* w; m+ j6 F6 l0 t! R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
* h& Q9 L3 |$ O$ y% {0 c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' j6 A; T& Z  A: `* g第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
% {5 }7 c6 }% s* U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
+ I# _4 I( U" j" 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
5 _( s1 b; z/ x8 a# s; s序言
; C, z  G7 N: e1 \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。
! n2 s7 Z: ]+ U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 n8 B# L! ^9 p( |" M2 D  h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。
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。
8 H; G5 L- d. \4 u

1 a9 @- W# Q( d# g5 R$ j+ D( ?MathWorks 中国教育业务发展总监

1 J3 B5 Q0 ^* U; V9 r陈炜博士
1 _& d) P3 U3 K5 p3 ~: t
7 {/ R6 n0 O1 `4 X0 O$ x  P8 H+ C2013年6月于上海
- |0 d& j5 s  ]8 X0 v/ \

pdf 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
! [) v9 d2 m$ ]- ^! S/ s  T
. }' n+ g  \9 ?, b
$ o2 p- K1 r% a
: o8 b, H, F. I6 C, P: x" ]