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。

7 d% ]2 G9 R4 }! v( j$ h" L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。
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。

4 i7 }! z! P, ]3 v5 i
编辑推荐
; f9 e3 T! M6 c3 A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。
# [8 f/ K$ j2 A8 C$ u9 M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。
2 w2 X+ N7 I* r1 T目录
. M7 n# S: a6 J& [) [1 K第1章BP神经网络的数据分类——语音特征信号分类
% g2 b1 V3 b; R0 F1.1案例背景
5 C" H* X/ F+ X7 U+ y7 Z% _% m+ N1.1.1BP神经网络概述
1.1.2语音特征信号识别
/ d) T7 V7 H1 F1.2模型建立
1.3MATLAB实现
3 w8 ]3 E, Y! t, L+ s( s3 z1.3.1归一化方法及MATLAB函数
' n, |, V+ F: M2 d) V2 h8 f1.3.2数据选择和归一化
7 a* J+ d: X1 y2 Q4 c: P. P1.3.3BP神经网络结构初始化
% n( i: {- V2 N$ _# u1.3.4BP神经网络训练
1.3.5BP神经网络分类
1.3.6结果分析
2 y' {8 b* V* O% G1.4案例扩展
1.4.1隐含层节点数
! N2 g3 U' P) A, d6 d1.4.2附加动量方法
. A8 _  z+ c/ q' V! A: |1.4.3变学习率学习算法
0 J, o' U- M/ Z. }9 v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
, w6 y& d* R4 p* R3 Y" q2.1案例背景
5 i* q+ Y; y% q1 t; f2.2模型建立
6 I. P  {6 R; O2.3 MATLAB实现
1 n9 C. `/ ]' _/ [/ Z5 u2.3.1 BP神经网络工具箱函数
% |% Q! S$ T, R9 ?6 [. u2.3.2数据选择和归一化
4 U" j+ J, ]  J% m" U4 U% q/ u2.3.3 BP神经网络训练
$ i) d& y7 S/ ?* Z2.3.4 BP神经网络预测
7 k$ o; M( z$ R' t7 m$ ]2.3.5结果分析
9 {- ^- m1 Y4 T1 O# w; T2.4案例扩展
& x" i' V% j' _0 G2.4.1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
! W+ u! F/ C( ^: n8 z' C8 I0 ]2.4.5网络拟合的局限性
: s6 S7 G  a6 V; R6 H: T& j参考文献
2 j* i9 s% n% ]6 o/ D第3章 遗传算法优化BP神经网络——非线性函数拟合
& l, Y( L4 f8 H0 E3.1案例背景
/ H1 ~' F  y$ l* ]0 a- q' D$ Z1 t6 ^3.1.1遗传算法原理
; w! G; P7 [. n/ ~" o3.1.2遗传算法的基本要素
+ c7 u' [8 I' t1 {3.1.3拟合函数
3.2模型建立
' a% D7 s, v9 Y6 |& T3.2.1算法流程
3.2.2遗传算法实现
3 `/ h! V- `: J3.3编程实现
3.3.1适应度函数
3.3.2选择操作
) o" n' r4 z# W( p3.3.3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
9 u4 L7 F' T" w" D3.3.7结果分析
4 T7 ?2 m3 I. R- X# {* u3.4案例扩展
% r! s# ^" j" r/ s7 O3.4.1其他优化方法
3.4.2网络结构优化
4 ~9 m; Y: I5 G1 y3.4.3算法的局限性
$ \+ Z0 }$ Q7 p- t. y% E- _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
0 x: R0 w7 {5 x3 p. \4.2模型建立
: J! g6 F/ R' u- o4.3编程实现
! K* L( S: h1 R) v4.3.1 BP神经网络训练
4.3.2适应度函数
# G: P; t6 d* L4.3.3遗传算法主函数
4.3.4结果分析
4.4案例扩展
5 s0 |8 U( W1 T/ {# {4.4.1工程实例
4.4.2预测精度探讨
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
5.1.1 BP—Adaboost模型
5.1.2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
2 h, g! }: p" x5.3.3强分类器分类和结果统计
5.3.垂结果分析
2 \  K/ m) N3 i) f& s0 j2 Q5.4案例扩展
8 o- K% f0 J, B5.4.1数据集选择
5.4.2弱预测器学习预测
% H( A1 c8 G7 r3 D/ a1 f5.4.3强预测器预测
5.4.4结果分析
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
4 I' a9 C8 z+ }7 p6.1.1 PID神经元网络结构
6.1.2控制律计算
5 V& f' U8 N3 j5 u# ]( \# b& N6.1.3权值修正
* z# }) }  N% {1 r, f9 z6.1.4控制对象
5 U7 o$ W# ]4 v( q6.2模型建立
- x* C) W7 Z$ {3 w/ I* T  @6.3编程实现
6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
* ?0 D+ Q( \/ T" y# }6.3.4结果分析
6.4案例扩展
6.4.1增加动量项
3 B1 d+ k6 U$ F* b% I6.4.2神经元系数
6.4.3 PID神经元网络权值优化
0 O6 r7 F' r5 i- P$ ]1 t  |参考文献
0 m; b7 a7 a# Q5 S- N第7章 RBF网络的回归——非线性函数回归的实现
; S6 E. S5 v0 V4 \% x7.1案例背景
0 j/ I. v4 {' _: O2 C4 q/ n7.1.1 RBF神经网络概述
$ t! q  p9 ~' j7.1.2 RBF神经网络结构模型
0 {0 y! s4 i) F) T7.1.3 RBF神经网络的学习算法
* U1 l  l2 @, K, s* i7.1.4曲线拟合相关背景
* J0 C" b- }/ i) E6 F3 [7 z  z  n7.2模型建立
5 f9 ]9 p: G5 M( ~- g7.3 MATLAB实现
7.3.1 RBF网络的相关函数
$ e% q( w, ]( e' }: f$ X9 i* q& |3 U7.3.2结果分析
8 U  z& u. u, E+ N: R) }" C7.4案例扩展
7.4.1应用径向基神经网络需要注意的问题
8 }% ^& X1 Q2 Y' e. ?7.4.2 SPREAD对网络的影响
参考文献
2 G3 N2 s5 @. M3 z# u第8章 GRNN的数据预测——基于广义回
& b  a& X" G* M) R9 b5 Y归神经网络的货运预测
8.1案例背景
  g3 p9 C8 @- C8.1.1 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
8.2模型建立
8.3 MATLAB实现
8.4案例扩展
' B; {, ]. i6 ?2 S/ v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
# H. E( \  A% R% r9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
. |: O' f. `3 G9.1.3问题描述
' b& P& `7 r, S2 e8 [" \9.2模型建立
& |7 Q% O) d# ?2 e) P- y1 q9.2.1设计思路
9.2.2设计步骤
$ ~1 _0 d: M/ K' M- n5 U$ y9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
% b. }: [" r" X9 V+ {9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
5 L% T$ X" y* @, N9.4.1输入输出设计
3 d/ }  j' }( e9.4.2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
+ L3 Q, x) M6 S4 h* W' w, L8 ]9 y9.4.5结果分析
9.5案例扩展
7 c# V5 n5 I: q) X0 @/ ]+ k6 ?9.5.1识别效果讨论
! S7 G, X; w/ t/ [$ J' H9.5.2应用扩展
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
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
9 G7 Z# E8 i  a% M10.1.3问题描述
9 d& {! ?& a( m10.2模型建立
: M$ U* z2 y: W4 V  j10.2.1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
2 e/ p+ h" @# r8 o" B8 z$ W10.3.2导人数据
10.3.3创建目标向量（平衡点）
* |% I( Z8 i0 v& v10.3.4创建网络
10.3.5仿真测试
; k6 }; g$ h& z9 w, P! D0 U10.3.6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
11.1案例背景
, y2 K# `; _0 f- s3 q11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
) E8 b$ `5 V' W11.1.3问题描述
1 [! }7 n5 w' U! W; a11.2模型建立
11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
! g; c& P4 {# u8 p$ t" m. J2 c. u  t11.3.1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
& H( {! l& i# M  F11.3.3初始化网络
' h7 x6 b8 I4 `! _8 z/ ^; S11.3.4寻优迭代
11.3.5结果输出
11.4案例扩展
, l$ d" g. {# n5 X11.4.1结果比较
, Y6 \+ Y# ^8 z, f11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
12.1案例背景
12.1.1 SVM概述
3 q& ^( i8 P6 D7 r/ Z12.1.2 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
  y+ F5 ~( u% W% b% L12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
参考文献
第13章LIBSVM参数实例详解
4 z- v6 _) V) N  ~( g0 N1 p13.1案例背景
0 z8 J+ a  I- L; ]2 C  P13.2 MATLAB实现
13.3案例扩展
& N6 c- g4 m. H4 d+ i/ \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
# r* C3 F) N3 `( V6 h6 W: b14.3 MATLAB实现
# W. t6 s( k! Z$ K3 C14 3.1选定训练集和测试集
……
. `( A) z" Q$ w. V. x第15章SVM的参数优化——如何更好地提升分类器的性能
4 w0 M+ L& U- {! H7 v: \第16章基于SVM的回归预测分析——上证指数开盘指数预测
& i7 E3 T. d8 h6 U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
0 N+ ~9 s4 e$ c/ ?/ A7 C( q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
; o3 T. y3 a2 O4 ?, \* m1 F第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
; c/ z7 B7 R) t  r) z! h+ d! L" I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
1 s1 x$ o) a( q* L/ G4 K. M3 P/ L第22章SOM神经网络的数据分类——柴油机故障诊断
- X' ?" F: C# Q* S/ h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
5 `' c2 M7 k! ^# g* ]第26章LVQ神经网络的分类——乳腺肿瘤诊断
( [# H* a+ f- D$ [- y: X; f第27章LVQ神经网络的预测——人脸朝向识别
0 \7 H$ d- ]( t% j5 P6 j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
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
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
第34章广义神经网络的聚类算法——网络入侵聚类
4 F# Q$ P" V9 `  d3 s, n第35章粒子群优化算法的寻优算法——非线性函数极值寻优
: \4 D3 Z. `/ I: _$ p, a: B& Q0 O! S2 O第36章遗传算法优化计算——建模自变量降维
1 `7 s: X; L# h5 r/ k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
+ M  G; o8 L1 |# g8 V9 R! T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
6 t' W" K+ _8 u) v5 [序言
7 A8 C( [1 H& N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。
- |( m$ Q2 g+ w. [* X6 v+ 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。
' s  r' R' T" Q8 q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。
! e5 P. q* H/ r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。
- U8 C4 ~9 j4 M: k! [

! y& P) h2 @$ {MathWorks 中国教育业务发展总监

& l: B$ @  o5 J: {- d, y陈炜博士

1 O7 O  Y2 G. S4 t% K) p2013年6月于上海
& V* O" t$ X7 z7 ^5 U
5 p9 c$ S! S+ c) q
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



: c& L# d% h7 `; Y) C- ^