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。
9 [2 K4 P6 S1 [$ P
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。
* T" s7 d! w: Y6 t9 z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。
, M! R1 T6 n7 N  m3 ~3 o6 r6 I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。
( ~- v$ C. C( X/ E6 L

编辑推荐
& j: L9 L. C: Q! u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。
$ f: R. w. i. C9 \% Z6 R4 i* _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。
4 _. G7 A" X8 u目录
; m. r' v: E8 Y: C4 O6 q1 Q2 G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
+ _5 h2 F9 I' b" U+ V1 I( `1.1.1BP神经网络概述
1.1.2语音特征信号识别
  S: N- c: \9 g0 R; E* j. O1.2模型建立
1.3MATLAB实现
* C1 Z" {* f4 R5 j+ G7 n1.3.1归一化方法及MATLAB函数
& ]$ @! V% e7 o! w, c1.3.2数据选择和归一化
1 g9 w5 ?/ l0 l& V% P9 a1.3.3BP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
1.3.6结果分析
& @$ w* K; k0 [5 t" a4 b1.4案例扩展
. b' x3 D- u) G7 x# Z1.4.1隐含层节点数
, @$ c7 \; P: _  }1.4.2附加动量方法
1.4.3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
9 q) R( y7 X. L# `; X2.1案例背景
. L, _. G/ ?9 Q( W2.2模型建立
2.3 MATLAB实现
  U5 _" Q% g4 F; s; J1 j( j2.3.1 BP神经网络工具箱函数
. S$ Z) i8 L, R" M! d2.3.2数据选择和归一化
2.3.3 BP神经网络训练
4 g. N8 s8 W/ v4 G2.3.4 BP神经网络预测
2 Q" _( b0 I9 u+ B6 `' n9 v3 Q2.3.5结果分析
2.4案例扩展
) u8 R! M* a  a$ O- [) ?2.4.1多隐含层BP神经网络
& F$ S  i" y" L4 |2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
) Q7 W/ o* h6 F# d( F3 }) [: p2.4.4节点转移函数
5 r) V: K" C- A. U  {; a2.4.5网络拟合的局限性
6 d& X# U8 d/ b) v) N" e参考文献
, H; i* Y% p8 X. o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
2 ^6 J) e) e8 G% @9 X% B3.1.1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
0 s) G. p- ?1 @4 [; N3.2模型建立
3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
9 w7 D6 \2 Q1 N8 Y9 S3.3.1适应度函数
3.3.2选择操作
  V! Y( D. K$ |. e% P/ d0 X3.3.3交叉操作
( v; I) _0 w( N* }7 O) U4 t3.3.4变异操作
3 [, I8 D: o, N! o+ ~2 K' O3.3.5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
* A* U) g/ v- W8 L  |5 `3.3.7结果分析
3 g1 C5 v! f% g+ S, x: f& q3.4案例扩展
3.4.1其他优化方法
  R9 l. A$ H) [* o3.4.2网络结构优化
3.4.3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
. V0 f2 @$ X5 a" W* f; C4.1案例背景
9 Y/ ?" Y5 h: q4.2模型建立
1 D* \# W) W; a! l9 ?  p' k$ V4.3编程实现
$ [' B! {  z0 k7 s6 X' Q4.3.1 BP神经网络训练
# t, n) o3 c: [& b; A" }$ |+ r4.3.2适应度函数
% {/ [5 d. w; p4 l2 o; \  C& v% L$ s4.3.3遗传算法主函数
4.3.4结果分析
4.4案例扩展
4.4.1工程实例
$ E9 T& H. y- d2 M) ^: f- g4.4.2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
& d" ^+ v$ R3 ^$ p4 y! S1 b5.1案例背景
; p3 H$ A4 @4 I5 J5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
) I/ d4 M* t" o# d, d5.2模型建立
1 ]( R& \4 F$ w! a) P4 Z' Z6 b5.3编程实现
5.3.1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
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
* T. v/ A. f+ x0 k1 y$ ^0 j5.4.4结果分析
: b& ^* r& N! X: ]0 I- a- S8 {参考文献
! ?+ J  z+ _; j& f2 K  o第6章PID神经元网络解耦控制算法——多变量系统控制
! r/ E" [; v. Z3 b# E) n; ]6.1案例背景
5 \4 a1 _' Z0 z# N: R3 t3 C6.1.1 PID神经元网络结构
) i  \  p8 V1 h# b( y' j& {& E6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
9 Y: g3 r+ o' E  w$ P+ ]! K6.2模型建立
- q% L& l) E8 o3 J. u8 D/ m7 @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
# b# @5 N% |, h! y+ v2 I6.3.3权值修正
6.3.4结果分析
6.4案例扩展
6.4.1增加动量项
6.4.2神经元系数
6.4.3 PID神经元网络权值优化
: v9 A6 x  R1 S% x/ [( q+ E参考文献
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
" l9 T7 C9 v0 K; x8 x. s" O& I7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
7.1.3 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
7.3 MATLAB实现
; c+ o$ f% W, e2 C' Z7.3.1 RBF网络的相关函数
2 @+ J5 ?  u" Z+ W/ ]5 [# v0 F& Z3 E7.3.2结果分析
7.4案例扩展
1 ~6 Z  h) q1 L% Y( e7.4.1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
9 u" R4 R8 v- x. g' b1 `参考文献
第8章 GRNN的数据预测——基于广义回
3 v6 Q3 C; |  `# L& q+ y归神经网络的货运预测
8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
" o7 |( L+ N; H9 r0 L% j# ]8.1.3 GRNN的理论基础
: F! l6 I' c7 M2 ~8.1.4运输系统货运量预测相关背景
8.2模型建立
" [/ D' O5 [$ m7 Z7 _8.3 MATLAB实现
& w% t7 z6 J7 Z' P. s4 }" K8.4案例扩展
( z* t& T) Y2 j- ~1 T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
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
9.2.2设计步骤
- N! w0 H1 X" D- h4 T, _9.3 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
; L! h6 L$ l/ L3 ^) w9.4 MATLAB实现
* a" s0 q9 X. I  |9.4.1输入输出设计
9 q* M) l( T- V5 E5 M  w3 L9.4.2网络建立
9.4.3产生带噪声的数字点阵
* ?  E$ H/ y- g0 J& R9 \. f9.4.4数字识别测试
9.4.5结果分析
4 W" s) k2 q  a; E) r/ B% l  l' ~5 Y7 _9.5案例扩展
9.5.1识别效果讨论
, _4 X) J- `5 m: q5 }4 z- n9.5.2应用扩展
" v7 M5 w, V& U: k7 P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
5 P2 d1 m# |8 \$ z9 T7 B10.1.2高校科研能力评价概述
3 X! \% w& ]. G2 \10.1.3问题描述
10.2模型建立
5 @7 Y+ ~/ \. |/ {% l- m10.2.1设计思路
0 h; B+ [1 W! ^. E; \10.2.2设计步骤
+ V3 I9 z- {( S, h' T+ `" |1 ]10.3 MATLAB实现
10.3.1清空环境变量
2 K8 j$ ]  m/ F3 e8 Y10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
10.3.6结果分析
; P& X1 K% V( [/ W! E10.4案例扩展
参考文献
( e% t6 b0 c% o& C2 ]% y2 }第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
6 Q# _* _  q+ t1 {0 H% h11.1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
11.2模型建立
1 Z, B- O3 V! ~8 C1 k/ u0 b11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
11.3.1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
3 @7 ]# |" G; F6 f11.3.4寻优迭代
' l6 k2 s0 o& [: t11.3.5结果输出
11.4案例扩展
2 x% Z- A9 B: K11.4.1结果比较
4 k  {2 e7 D9 p2 r2 J0 x5 Q11.4.2案例扩展
' }2 J+ j% ]# y5 w# j* h参考文献
第12章初识SVM分类与回归
2 P, L  d/ S& t8 i* ]12.1案例背景
12.1.1 SVM概述
12.1.2 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
! s+ q' _; f' T: ?# \+ L0 y- }12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
参考文献
$ y5 Q& w$ r: G2 \% O2 r3 Q第13章LIBSVM参数实例详解
* q: T6 L  y3 x! x; K: j4 p/ g( m  ^13.1案例背景
13.2 MATLAB实现
$ ]) i+ v) g- f% G8 o: r; j13.3案例扩展
7 b0 s9 M9 r9 B# m: }参考文献
1 j1 ^8 A% S, F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
14.3 MATLAB实现
14 3.1选定训练集和测试集
7 U9 I+ }" D. Z/ g+ d' s$ y6 t. S……
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
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
! t% L/ C  M$ l2 O第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
' m+ C& ]4 C% w: Q7 s5 A' Y* S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
+ f$ z: S1 E+ e4 Q. Y4 W1 ]' S* d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 a* z( ^6 n% c; F& Y! }+ K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
' g+ X& Z* H* f8 I2 H' H  X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
3 {" O( Z+ P2 v. a2 v3 z0 s* S0 `第31章思维进化算法优化BP神经网络——非线性函数拟合
; D/ {( Z6 G# J! q& j4 `: ^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
, W* K$ Y+ c9 h9 g/ G第36章遗传算法优化计算——建模自变量降维
1 ]3 [' b8 _% P; y3 j! F第37章基于灰色神经网络的预测算法研究——订单需求预测
' @! r2 y  m5 \1 R  h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
* Y2 _* _8 I/ f" l0 i第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
' @/ R; `1 t  F2 s* ]1 q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
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。
: H' g8 g0 [# h$ T: J7 N. |; L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。
9 U% r% M. [- t$ W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。

( ^  A4 ^* E2 L9 s$ ^
5 [3 B; e" N% \MathWorks 中国教育业务发展总监

陈炜博士
( Q" v% F& f, d2 N" X4 O+ g( M
2 R3 ~+ x+ e6 e+ I7 F9 t" ^2013年6月于上海
4 F- x  j) A7 x: e( Z

  q& s9 P! _. {% ?" Dpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
) L7 L# W9 x" l0 k$ Q数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

! t; x" c5 {$ J$ {