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。
$ E7 Q8 F( w+ [# d* y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。
" }* f: `$ J6 o% d8 j' H
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" k  ?6 Q/ m- b( |3 v
0 h9 A4 K) k( h9 E
  p( i5 a$ d! b. r" |编辑推荐
' I5 q2 W. U4 W8 l, R. e* n5 ~! J$ I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 V1 O$ A5 q6 k, Y9 L8 U+ o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。
; S1 s& p. T, g& \% L目录
7 o/ J" G( W+ H! M第1章BP神经网络的数据分类——语音特征信号分类
0 ], r# Y5 H, p! g3 H5 D1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
) L3 F6 _4 X1 l6 N' U6 n1.2模型建立
) l5 @8 |5 q( W4 P1.3MATLAB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
1.3.4BP神经网络训练
1.3.5BP神经网络分类
  I# d' t* g; |& G1.3.6结果分析
1.4案例扩展
1.4.1隐含层节点数
1.4.2附加动量方法
1.4.3变学习率学习算法
! U7 G  Z# T" ~+ R- R2 R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
6 ]/ h, e$ Z+ g8 K* d2 v# c8 g2.1案例背景
2.2模型建立
2.3 MATLAB实现
, \: m$ Z3 i2 x/ K) Z* Y* M2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
4 t; {6 d: K5 U5 U  d2 r2.3.3 BP神经网络训练
0 p0 p! H4 o& f' }" |2.3.4 BP神经网络预测
2.3.5结果分析
7 K2 k8 @0 w) J8 T+ g  L6 q2.4案例扩展
2.4.1多隐含层BP神经网络
( p; O! B9 X+ d3 F% ]& X; a+ X) f2.4.2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
2 v5 L& R6 F' R5 J' \: Y* S参考文献
( _" E$ V2 V. ~) _! V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
4 K7 x/ N" V5 O; H: `3.1.1遗传算法原理
9 s9 P7 Z8 c$ W. Z' d3.1.2遗传算法的基本要素
3.1.3拟合函数
3.2模型建立
0 N" G; n; F& {" V8 I0 x3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
. o" y! n9 [/ B  O0 }* y8 [' U3.3.1适应度函数
+ r. }: \5 W! }: V* q3.3.2选择操作
# l- V( m' n" M; B: W3 f: P3.3.3交叉操作
3.3.4变异操作
7 V/ d0 S3 `2 r6 q5 Z3.3.5遗传算法主函数
' U8 }( J4 }2 S' G! S' U# y3.3.6 遗传算法优化的BP神经网络函数拟合
  \2 h5 }- S6 r- ]! `8 g7 w+ K% o5 y7 n3.3.7结果分析
$ E  |/ z) F. b5 E& x3.4案例扩展
3.4.1其他优化方法
) B* V6 T2 k/ h8 ~* T3.4.2网络结构优化
3.4.3算法的局限性
- h. c+ P3 d) ^' n. R; Z- d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 M2 u# T% G& l9 U1 {. _$ f5 A4.3编程实现
- b7 ]/ j, }1 k) Z: q4.3.1 BP神经网络训练
& V0 j5 E" Z  O  g; `2 Q4.3.2适应度函数
4.3.3遗传算法主函数
4.3.4结果分析
( r/ T$ i) ]+ x) W  J$ y4.4案例扩展
- l( }2 _6 {# I# D: {4.4.1工程实例
2 _+ M9 k4 k! q! k4.4.2预测精度探讨
8 R) ~0 [1 x- V+ a) ~7 l/ p, b参考文献
- A6 k: p- X1 X$ F. o; W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
# v# p( l' q( Q& b: }8 K5.2模型建立
5.3编程实现
2 j0 Y' |6 ^0 D5 z. z5.3.1数据集选择
5.3.2弱分类器学习分类
, S& F7 I3 w4 I$ l+ _+ R: z5.3.3强分类器分类和结果统计
5.3.垂结果分析
, }2 m; T2 a/ `, Q/ `1 a/ B5.4案例扩展
% ~, G% [8 c; g4 n, j& i5.4.1数据集选择
5.4.2弱预测器学习预测
# z0 ~( h; t0 w) _' O5.4.3强预测器预测
0 `; g& |( w0 G$ W1 t' f5.4.4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
6.1.1 PID神经元网络结构
3 u6 ^" ~0 c9 U; \* I6.1.2控制律计算
6.1.3权值修正
: j. v  ~$ l9 C$ j  x6.1.4控制对象
: [. `/ x, d. L& t; W6.2模型建立
6.3编程实现
6.3.1 PID神经网络初始化
& `/ U. P+ L( D/ e5 P6.3.z控制律计算
6.3.3权值修正
6.3.4结果分析
9 f/ g6 M6 e  j7 |6.4案例扩展
6.4.1增加动量项
6.4.2神经元系数
$ L  ~/ |0 O4 P) b: I% H6.4.3 PID神经元网络权值优化
+ s5 Q# y+ P2 B9 E参考文献
* W2 J, ~: T9 V9 D4 X/ v7 q第7章 RBF网络的回归——非线性函数回归的实现
$ Z# e3 Q" i, D9 F7.1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
& n; C! M2 y. _1 ~  c7.1.3 RBF神经网络的学习算法
9 S0 T. K3 K  Y2 e7.1.4曲线拟合相关背景
( A) m5 F! b4 q% G3 h+ }$ s7.2模型建立
7.3 MATLAB实现
3 o( F% n2 L, Y; {5 C! N- y0 }7.3.1 RBF网络的相关函数
+ m- {& ^$ ]3 z& S1 y3 _7.3.2结果分析
$ a% H4 C4 @( ?8 q7.4案例扩展
7.4.1应用径向基神经网络需要注意的问题
, O$ k. }0 p2 Y+ M. M7.4.2 SPREAD对网络的影响
( \; I% q. T# u; {. q% |参考文献
" R/ U9 ~1 b' Q! z/ `0 l0 h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
3 r: i5 g3 [3 v6 e. Y+ {& W8.1.1 GRNN神经网络概述
3 S4 v# Z! O! Y7 y8 J- Y8.1.2 GRNN的网络结构
: H9 @2 g7 d2 ^9 i  J8 o: a5 s8.1.3 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
( ~% H4 R2 F' u$ t' v8.4案例扩展
- f! H5 L9 k5 x7 l参考文献
$ x2 F% U' R* A8 S! G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
: m, j. `+ ]& Z+ [. b$ s( [9.1.1离散Hopfield神经网络概述
9.1.2数字识别概述
+ Q" ~. P) a6 I. E5 Y$ Y9.1.3问题描述
9.2模型建立
9.2.1设计思路
  C: L' N, s) ?) a/ g9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
3 P! H3 B9 k# N" M6 _1 z: M. ~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
# W1 k( i9 K5 `/ G" ~9.4.1输入输出设计
9.4.2网络建立
2 d0 ~, ]& y* b, i& m8 j9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
; D0 z4 Y* j" l! v6 W9 `' T- a9.4.5结果分析
1 B" w" ?# [* g" G0 w& ^* Y; c9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
4 H' A1 p. X* Y- m- g7 l/ a参考文献
* I0 \) O' g3 u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
' ?8 j0 Z0 w/ L: ~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
! }: G, \7 V$ S: I% q10.2模型建立
$ ]7 s2 U9 T' }' F/ V- m" q6 \10.2.1设计思路
. e* c/ [7 N* l$ B8 H8 d# e% B. J8 F10.2.2设计步骤
10.3 MATLAB实现
, }4 U- k( }$ V$ U5 z; E3 d& q: e/ s4 x10.3.1清空环境变量
10.3.2导人数据
4 K* Q7 `( u( S2 n' N  I6 x10.3.3创建目标向量（平衡点）
) m$ A0 L6 B, s- W4 U10.3.4创建网络
2 K+ h  x$ G+ s7 T4 J10.3.5仿真测试
10.3.6结果分析
) P4 c' L% Z8 f) z$ i5 U  x0 B; E10.4案例扩展
( U, e( f2 u2 A( X  g  _1 O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
8 a$ Y5 o7 U& o: _$ R11.1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
; G: Z1 q2 i, f/ {) d! G7 j5 P11.1.3问题描述
* o4 i( w; E6 z11.2模型建立
11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
$ ^: Y0 y3 d  L6 n1 r& P( v8 i7 r11.3.1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
11.3.5结果输出
  X; `+ B2 ~7 Z+ G1 q11.4案例扩展
11.4.1结果比较
1 b  d0 N5 o( o: F5 W11.4.2案例扩展
$ h$ Q2 E4 t# m! \5 B2 l" ?参考文献
第12章初识SVM分类与回归
8 @: B$ R2 J& Q2 T$ V) y12.1案例背景
! }& X7 j# j* X( L8 P! V8 w, `12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
& `( H8 E! I( S# m/ n12.1.3 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
/ S% b3 ^% P8 q8 q; U12.2.2使用LIBSVM进行回归的小例子
7 n4 ~3 U- M9 R12.3案例扩展
参考文献
7 o* E6 c1 w7 R; k& v) l5 m" L+ H第13章LIBSVM参数实例详解
13.1案例背景
$ q2 [, K# Y9 [, G: E, {13.2 MATLAB实现
9 P& g; O( I1 C& h4 `13.3案例扩展
; x1 F4 @. D6 m& w) c4 X+ J; 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
* @( P( n+ t$ W; N14.1案例背景
14.2模型建立
14.3 MATLAB实现
4 t: E  u3 ~0 p14 3.1选定训练集和测试集
……
, X: P# Q, m! I: @& U2 g& }7 T第15章SVM的参数优化——如何更好地提升分类器的性能
9 ]7 |. m4 L! L9 \0 R1 [) Q; w  H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
1 d. i% S; _; u8 F第18章基于SVM的图像分割——真彩色图像分割
! A$ U) c  u- u7 ~8 H第19章基于SVM的手写字体识别
+ [' F2 U1 p1 B- F# j( e第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
9 a) ~2 c3 o0 N  P  Q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
5 r, f7 K; [8 J5 k- M" b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
第26章LVQ神经网络的分类——乳腺肿瘤诊断
1 S4 U5 _  I4 @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
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
0 s9 b$ S1 \: i* V% l, _2 f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
  T) ?) Y! x  b4 M2 I) L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
; E0 K8 Q. P2 u! B( D+ P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
- l, J2 O, ~& c" |) m3 m( w% ~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
3 D7 W5 K& j# M8 C( d; l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
8 Q# B/ F+ i2 e* h5 G5 G! \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。
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。
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。


$ W' X. |, ?. ~( e" vMathWorks 中国教育业务发展总监
+ `9 g+ e; q4 t7 l
陈炜博士

2013年6月于上海
9 l* x2 R9 K6 i
: \- C6 c5 P1 O- X
) U( s9 x, f" Z4 t- v2 y3 cpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
  [8 P4 F5 C' `0 ?1 P+ z! h数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

8 Z; a0 |0 K* `