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。
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。
4 n. d# _1 a; I: o/ f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。
* |' I+ O: ]8 L: D% t2 ^" h2 U
0 Y# r* I% z) ^; P4 {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。
7 e# o' ?) W0 v  d# T) f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。
$ |; ?& ~, V* {# N. g$ s! A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
1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
) {  t5 {9 t1 G0 L- H1.3.1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
1.3.4BP神经网络训练
1.3.5BP神经网络分类
$ F% u# A5 I1 B9 Y. [+ i1.3.6结果分析
" |+ }9 V, c+ B  Z& }# }1.4案例扩展
' e4 k; i. N4 C, H( f4 ?1.4.1隐含层节点数
" k% Y8 I7 a. q% j* U  m1.4.2附加动量方法
( B* x# H5 e4 |) u+ s1.4.3变学习率学习算法
# k$ J. j. {3 w' |- y; G参考文献
0 F5 b8 z& Y8 j' u. t& ], y" [; ~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
2.2模型建立
2 G0 V! A' J6 I( D, H2.3 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
/ ]  z$ B2 B7 i0 Z) l; `$ a) W# J2.3.4 BP神经网络预测
& `; q4 b" D! U2.3.5结果分析
! M3 _2 \, P. L0 l% W! G2.4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
2.4.5网络拟合的局限性
参考文献
7 t, ?9 K( w& N' D2 [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
' y# Q$ D- t- J, @- q6 @, i3.1.1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
- H* _- l6 g) ^3.2模型建立
3.2.1算法流程
( Y  [  z  d. x3 @3.2.2遗传算法实现
4 ]. G3 g: h1 P9 K( S3.3编程实现
! K4 V. j  m6 ]: \: ?# Z3 x/ b& H3.3.1适应度函数
3.3.2选择操作
3.3.3交叉操作
7 \$ A0 T! d, O3.3.4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
3.3.7结果分析
3.4案例扩展
3.4.1其他优化方法
7 b" |- m: Q1 U% R$ e/ |3.4.2网络结构优化
* x* P; t0 y/ P/ `3 e5 n8 [3.4.3算法的局限性
: Z  }. u. Z7 f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
4.3编程实现
0 B: s5 |' i% n$ _3 J# o2 d  c8 |/ J4.3.1 BP神经网络训练
  @9 H9 ?/ z# s1 N# w4.3.2适应度函数
4.3.3遗传算法主函数
' `( v( ?1 H7 }% z* @6 n* C4.3.4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
( y% U( N" W. `参考文献
' |& m, e* L( g4 w! C/ 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
4 r. `' ?/ P9 D8 D! `! H* Y% Q5.1.1 BP—Adaboost模型
' v6 C& J, Q3 ?2 j5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
5.3.1数据集选择
5.3.2弱分类器学习分类
, a* \: i! v$ L; f$ u9 Z: M5.3.3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
5.4.2弱预测器学习预测
5.4.3强预测器预测
  i6 Y1 I% r# t5.4.4结果分析
2 C% I7 J/ W% Q) Z7 `  `/ K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
+ d+ T$ p# i5 |" H% e6.1.1 PID神经元网络结构
+ e* N+ j6 L- s) @' u, G6.1.2控制律计算
( v1 R# O6 r( A( C5 u& M6.1.3权值修正
6.1.4控制对象
2 V* |5 N. m  ^; C/ o) r2 m* ?$ N6.2模型建立
% `6 J$ q+ x# k4 y1 F2 p5 x6.3编程实现
* u9 H% [8 [5 u) A: `1 [6.3.1 PID神经网络初始化
6.3.z控制律计算
) b# d  u, M9 o& G+ H4 m) T) B6.3.3权值修正
8 x5 H# z* K+ X8 r( U6.3.4结果分析
6.4案例扩展
6.4.1增加动量项
: j- o7 y6 U4 N- E+ E( I6.4.2神经元系数
- {# g& ~" e. h( o3 S, J7 S6.4.3 PID神经元网络权值优化
% k$ |5 w% O! M- _, o& q参考文献
% j& y. i* ]( j7 Y( }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
1 u1 e4 A1 F# h" A: ~* w% ^7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
* K- H! u6 N5 D+ H/ L; U7.1.3 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
2 s9 V" j9 K" O  t8 Z7.3 MATLAB实现
8 t# k3 t5 V: u! _4 u7.3.1 RBF网络的相关函数
7.3.2结果分析
  ]3 N8 P9 G5 T. B+ p6 W7.4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
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
5 H5 U- p( l5 T) p- d/ D$ |8.1案例背景
1 r% R3 p# X7 R% `  N2 b  S8.1.1 GRNN神经网络概述
6 F$ \" b' V" n# @8 P- Z8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
  s2 s4 \7 `, ]7 j) U( g8.1.4运输系统货运量预测相关背景
2 o- a; d4 r3 s4 J5 u1 q8 q; ~+ q8.2模型建立
* K7 w% x3 G$ n3 c4 C/ w1 G8.3 MATLAB实现
# ^0 d# G5 P2 u8.4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
+ @- S8 k3 K& P0 h7 B4 b  u' t; o9.1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
' ^" }% @. I$ X5 x4 N3 ]5 Y- U9.1.3问题描述
0 i/ J& b. c( b9.2模型建立
9.2.1设计思路
+ p$ B" r3 @$ Z0 Y: R1 \9.2.2设计步骤
* t( x3 }* X& L/ c9.3 Hopfield网络的神经网络工具箱函数
- p4 S% C  m4 k6 S  R9.3.1 Hopfield网络创建函数
; G9 p  f* i& D2 N9.3.2 Hopfield网络仿真函数
( _- b, z7 U& k" ]' P9.4 MATLAB实现
9.4.1输入输出设计
9.4.2网络建立
; t- {3 ]: Q6 g% c1 r! v9.4.3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
+ K) o- Y4 U) J# w4 @) O9.5案例扩展
* ^% j) ^! X+ {' a% x9.5.1识别效果讨论
9.5.2应用扩展
参考文献
) r( s6 i) K% e6 }/ A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
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
/ g% T9 t+ P, P9 F6 N7 w) I10.1.3问题描述
1 h! ]( D* }, k8 k10.2模型建立
% P8 U2 [! r) T4 @$ F5 Q9 j% ]10.2.1设计思路
6 M1 n+ J; w, i: T; F0 v5 ~10.2.2设计步骤
8 P/ G) K) a, A9 Z10.3 MATLAB实现
4 z* M) I7 C) _10.3.1清空环境变量
10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
0 Y" l9 C2 k9 R  S3 }10.3.5仿真测试
10.3.6结果分析
9 x# e2 h4 A# ^: P' c" F9 b3 F10.4案例扩展
  Q/ m% N: R- Y! }. }5 o5 }' U参考文献
0 Q8 W* T: `: o8 y  S, A+ F第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
- O2 o) [+ Q  F7 V11.1案例背景
+ ]( B: @+ s. Z; ]5 s11.1.1连续Hopfield神经网络概述
. f1 F% a0 d+ }! N; S, M8 w3 c" \11.1.2组合优化问题概述
11.1.3问题描述
( S' {0 R8 I" y( W8 \% q11.2模型建立
. w- Y) M: h6 y7 T# q0 ~. v11.2.1设计思路
11.2.2设计步骤
6 M- L: ]  y+ g1 ^/ \8 s  J11.3 MATLAB实现
) p/ e5 }5 l' \2 p/ k11.3.1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
0 y. b  @9 S) a! [. q11.3.5结果输出
# _8 ~5 z( Q1 p& M, J11.4案例扩展
6 K" E1 b: g2 K11.4.1结果比较
; B, C1 Q# F7 }0 r11.4.2案例扩展
6 B4 y, T% ?- O( q0 m( E: O9 D参考文献
第12章初识SVM分类与回归
. @7 `2 L. K- l1 s2 K! ~, _4 Y12.1案例背景
3 i; o/ N( \" ]9 r- o6 T12.1.1 SVM概述
$ n7 U1 B! z- G, F  D' ?& q6 U12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
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
& O2 W' P, n: d# i12.3案例扩展
' P  [, v/ x2 J9 \5 `参考文献
+ R  ]/ R' Q. Z第13章LIBSVM参数实例详解
' N+ a& t/ A  Y3 {13.1案例背景
13.2 MATLAB实现
13.3案例扩展
参考文献
+ I- ]' y/ X+ Z1 h, C3 _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
, v- i' N; h+ T14.2模型建立
14.3 MATLAB实现
+ f: N, V' s2 S" [3 h. z14 3.1选定训练集和测试集
: `. {/ b" ~! {# @……
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
2 [/ e8 G* {2 z) ^3 ?+ w第18章基于SVM的图像分割——真彩色图像分割
0 G% A4 X- @& }6 T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
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
3 x. v' b- j2 K7 x5 N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
+ q; ^  A0 p2 k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
2 u3 F, A# b0 r$ G' |( v( }第26章LVQ神经网络的分类——乳腺肿瘤诊断
2 _2 t0 F0 i) ]7 Z% `& V第27章LVQ神经网络的预测——人脸朝向识别
8 @- l! F: G# m1 v/ y# H第28章决策树分类器的应用研究——乳腺癌诊断
+ l0 [1 P9 ?0 Q. X. @) V9 f" p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
( `& n( b9 M' {$ T% J1 q& S第31章思维进化算法优化BP神经网络——非线性函数拟合
+ s# G) ], ~# K# k- z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
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
第36章遗传算法优化计算——建模自变量降维
* m# E) l/ ~' u" B  ~4 G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
5 E5 e, Q7 }" a! Y6 b6 `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
" u' b# N4 N+ w" a3 M5 C; m第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
  N7 X5 G5 ~$ M8 c- M- R4 ?& z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
" {+ {  J" F2 U/ w序言
( V- i* z6 y+ ]+ ?& Q1 t% K序言
2 |  U* H' P: o6 a+ j4 s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。
( g2 b  u" @6 c% P0 ?' y" {, m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。
+ [  b6 P6 y  ]; p9 R& J0 X& 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。
  ^  K% r" m& l$ H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。
- k3 V* l+ s2 u- v

MathWorks 中国教育业务发展总监

陈炜博士

& G5 ^1 s# s7 V" G: ~9 u2013年6月于上海


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
6 U7 H% w: }; o7 W5 ~+ \7 w- G- z
) w9 y8 I2 {4 }: P" q( D$ J