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。
0 `3 k* f/ b- y4 i  |4 }/ m3 w
) k; d4 e+ a7 n; C& p7 }$ }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。
& c& j: j8 D0 |9 F
9 ]0 `0 V8 j- ~: ~5 @% v: _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。


, c) v$ T/ n6 O( Q- i4 e% c编辑推荐
7 s4 F9 ?" {+ N. r4 K" _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。
( U% g0 E9 M  I& U1 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。
! o  K0 ^' t! a3 T" K7 |& w  F0 P* n作者简介
$ q- E0 `1 y' `* e2 h6 B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
2 d" x2 a7 E# k9 }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
# S' V! _1 g0 p' [$ V1.2模型建立
. \1 _% K! ]" R  ^7 Q: i# Y& K1.3MATLAB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
2 \* O7 V9 F6 Z. U* \, P1.3.3BP神经网络结构初始化
" E+ Z4 |$ q9 d; 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
  ]$ `- t$ O7 f. M9 n1.4案例扩展
5 D/ E& v7 @8 Q$ V3 t# o4 ^* H1.4.1隐含层节点数
1.4.2附加动量方法
  \& }. r* k3 r1.4.3变学习率学习算法
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
2.1案例背景
1 S* w4 U. B# G7 u  h# G5 @$ |% e2.2模型建立
2.3 MATLAB实现
/ j4 n$ z$ M) `4 H+ t2.3.1 BP神经网络工具箱函数
9 I, M/ x! v* P0 u3 E2.3.2数据选择和归一化
) m) D/ @7 r2 T4 x2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
2.3.5结果分析
! i7 c' M; U1 `- U* U2.4案例扩展
2.4.1多隐含层BP神经网络
2 D% J1 C7 K$ k- i" ~$ K5 F2.4.2隐含层节点数
  C9 ]/ f$ @3 q: _9 P. C4 O7 x2.4.3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
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
3.2.1算法流程
* t1 m9 q! P- b3.2.2遗传算法实现
3.3编程实现
" @, Y1 {" Z2 Y- l8 [3.3.1适应度函数
2 o+ J: u7 }+ |- E. t. j3.3.2选择操作
) X! j* o0 k9 J! k2 M' U" |, n3.3.3交叉操作
3.3.4变异操作
3.3.5遗传算法主函数
* v! X/ t' B) M8 L6 ]3.3.6 遗传算法优化的BP神经网络函数拟合
6 j7 t2 f- o8 e/ o1 C) c& J3.3.7结果分析
3.4案例扩展
2 s  P8 V$ p/ z6 `& D1 f3.4.1其他优化方法
3.4.2网络结构优化
/ o& I$ `4 P8 j  @, \) O5 `+ e3.4.3算法的局限性
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
7 c* t( y# n# J, M) b4.2模型建立
4.3编程实现
4.3.1 BP神经网络训练
3 C8 u4 W8 Z, G/ |" {0 _4.3.2适应度函数
% B6 H+ k8 U6 Z/ W, N* i2 ^3 s4.3.3遗传算法主函数
; E. [- z$ h0 i, J6 q3 z) F+ t, l3 q4.3.4结果分析
3 P0 y( O* C, S4.4案例扩展
4.4.1工程实例
! d3 I/ T1 t9 _8 e4.4.2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
1 q# M. I# ]% x: t5.1案例背景
: U! p- i( {- q* F( T5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
5.2模型建立
  u( [7 Q$ ?# H0 I8 t5 }: t5.3编程实现
1 n9 ]1 Y+ O8 u; C( `. r' Z5.3.1数据集选择
5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
9 O( t' v; r5 |5.3.垂结果分析
7 Y) C1 C* X" ?( c* i5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
* e6 _( N: F+ V5.4.3强预测器预测
% M; q: Z9 x- j: ~. i5.4.4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
0 v% b' |3 D  k6.1案例背景
6.1.1 PID神经元网络结构
6.1.2控制律计算
+ Q* e! J2 b. ^( E0 _6.1.3权值修正
6.1.4控制对象
6.2模型建立
& v$ u/ M4 x, m6.3编程实现
$ I" G9 b: C' z# `/ m; m6.3.1 PID神经网络初始化
6.3.z控制律计算
  h8 a$ Q  _; O- I+ x$ m5 R; @) v6.3.3权值修正
$ m2 P$ I9 z/ q' @, Q6.3.4结果分析
- f4 }: D: i: f. f2 c& v6.4案例扩展
6.4.1增加动量项
4 _/ D5 t; x5 D9 d- L8 T6.4.2神经元系数
6.4.3 PID神经元网络权值优化
, Z) _- R) @6 m参考文献
第7章 RBF网络的回归——非线性函数回归的实现
0 l- C6 [- l  _7.1案例背景
) Z: J: }3 Q; _  I- ?- s7.1.1 RBF神经网络概述
' ?* B3 W4 E# d* \7.1.2 RBF神经网络结构模型
, }2 A1 X4 P) f/ d9 m; I3 Y7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
8 ?% b! I5 l; M; s* o* q0 e9 A9 M7.2模型建立
+ Y+ g* j" K$ v9 M8 f7.3 MATLAB实现
7.3.1 RBF网络的相关函数
& z6 {& @, l+ z& t) o8 L7.3.2结果分析
" j9 X& Y5 H- ^/ ]8 f7.4案例扩展
* L0 a6 F/ a# v- d7 x( p/ I7.4.1应用径向基神经网络需要注意的问题
  M+ W; S' M, f% B& {) [! ]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
! Q% w) F" d1 ~$ R+ }' K1 I6 f归神经网络的货运预测
- Y; ]( d+ V6 T3 X! @$ @5 ?8 g* z8.1案例背景
) P% U4 H3 y! |% ~) @  p' w8.1.1 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
3 S0 Z/ f6 F: }5 ~" k$ w! k+ r& k8.1.4运输系统货运量预测相关背景
# ]/ ]: C# z" e# h7 ~8.2模型建立
! n1 X1 A) `$ @, C+ N/ p9 S$ i0 U& A8.3 MATLAB实现
8.4案例扩展
参考文献
- w- T) c* {3 J) J7 x7 m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
9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
9.2.1设计思路
" a: O0 C* R. f7 e" z9.2.2设计步骤
3 d7 z+ G( u2 n7 E9.3 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
7 V5 O7 O: m7 O6 `& Y  H9.4 MATLAB实现
9.4.1输入输出设计
+ Y/ R7 h) c: A' d; O9.4.2网络建立
& j9 t( M$ Z' c/ H9.4.3产生带噪声的数字点阵
! `( l/ e0 J0 f/ k* N/ z9.4.4数字识别测试
  K* z) f; O9 Y0 @9.4.5结果分析
9.5案例扩展
8 z2 u) b8 B3 e! f9.5.1识别效果讨论
) j; ?" h$ {4 W8 t' M2 c& G; B7 M9.5.2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
. [' M" F9 g) ]# V8 |) X9 g10.1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
10.1.3问题描述
10.2模型建立
2 D2 P8 C6 @+ l/ O' J! L10.2.1设计思路
. J1 G( w& `) e" S10.2.2设计步骤
10.3 MATLAB实现
3 C* [7 E$ ~+ [! i* e! }& T10.3.1清空环境变量
7 I3 }; n9 P3 W) {& Z6 w$ d& C* a10.3.2导人数据
& u% C, B2 I2 b2 |: Z10.3.3创建目标向量（平衡点）
; D8 l0 V4 M4 h& M: d/ W4 q10.3.4创建网络
: V8 l9 w8 d8 T1 K3 J10.3.5仿真测试
) z% h) @: a- j2 N2 n- M: G10.3.6结果分析
/ g1 d! E# s! A10.4案例扩展
; d5 z0 j; _# }. H) B, ~, i' f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
% S( R0 |. D3 Z* X0 r  d11.1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
  |7 B: N6 `2 _2 w2 w11.2模型建立
11.2.1设计思路
4 @+ A1 B% F) _. j+ \1 |' \" V  k4 u6 e11.2.2设计步骤
11.3 MATLAB实现
  J+ z/ u1 t. h2 C8 X, w0 a9 \3 z7 {5 T11.3.1清空环境变量、声明全局变量
$ Y( |! l6 W- |# m( V8 [4 d11.3.2城市位置导入并计算城市间距离
, w+ I6 W9 _* _/ x8 t11.3.3初始化网络
11.3.4寻优迭代
/ p! Y% j. Y, T4 P% J6 e11.3.5结果输出
" [4 @* Z1 C. s1 X* ?9 N11.4案例扩展
( A/ L( M* p* ], |# K' Y11.4.1结果比较
# C/ U7 L1 j; s0 j" W& t11.4.2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
- h" r( F/ v& Z12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
- T, V; c! g9 \; @3 _12.1.3 LIBSVM工具箱在MATLAB平台下的安装
$ h8 U3 i2 I3 B; i# Z& W12.2 MATLAB实现
$ m* U# K0 k6 Z& P. R12.2.1使用LIBSVM进行分类的小例子
1 u; |* \& w# m  L6 w' L12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
参考文献
3 x6 M+ @* o+ T- u第13章LIBSVM参数实例详解
7 M) q" d1 F" ]13.1案例背景
13.2 MATLAB实现
3 d2 G7 X! B. Y  t. A- }5 W" i; \13.3案例扩展
7 y7 u9 B& B1 i2 C- }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
" h5 w3 ^  S  n  `( F- {9 ?: d14.1案例背景
14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
2 f1 y4 f; A; m" n. c  d……
5 T2 c, s% r  t* |第15章SVM的参数优化——如何更好地提升分类器的性能
! P% A# e% w+ n. Z- H6 }第16章基于SVM的回归预测分析——上证指数开盘指数预测
2 i! r, T  @$ \! I3 ^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
3 ^6 [) v* D  T0 i) Z$ s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
第23章Elman神经网络的数据预测——电力负荷预测模型研究
: V9 k* |$ y5 F; q, B9 t3 W- x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
第27章LVQ神经网络的预测——人脸朝向识别
9 G+ b; A$ u/ }5 O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
# M9 r  }* k/ I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
第35章粒子群优化算法的寻优算法——非线性函数极值寻优
7 M: |  c* {7 i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
: A' G# f: c# T( [' m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
7 z; v* m/ A; D* O! Q# a! {' O. `/ N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# |$ {2 y) ]% w, C* t- C+ T. M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
7 {4 V5 c9 Q" \8 l0 b. G2 U  F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。
6 f3 p7 |, B/ i8 N. v7 X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。
& O( a7 T" e( d7 J( v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。
" I2 y3 p; [$ a" q" e/ J

6 Q9 j) C3 h% s; ]: A5 lMathWorks 中国教育业务发展总监
) m3 X" h8 r: i0 [' p# v' f  O
/ Q: }6 K4 O3 p3 {4 g7 A陈炜博士

2013年6月于上海
5 O$ q- `: F3 P) |
8 b4 u/ x: o  L; c9 f
9 M0 @* T& l8 J+ mpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
* S3 B$ \$ \3 |! x3 Z" R数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r


5 p4 r, c+ {# `: E7 |8 P