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。
% D; D% }- `! I7 x5 i: a1 h+ k/ I
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。


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。
; w# M$ I0 r" 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。
目录
! L7 P1 X0 Z4 F) h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
) C( d8 D0 T9 X+ C* Z# B1.1.1BP神经网络概述
1.1.2语音特征信号识别
: T& i6 V! S5 ~, G- _# K1.2模型建立
# M" }- O; v2 _+ t/ ?' N! o' Q1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
: d& I7 j! E4 S) m" ?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
% s0 D5 E2 l) E/ d8 a. u% R1.3.5BP神经网络分类
1.3.6结果分析
0 e: k2 R" N+ U5 X: b1.4案例扩展
7 e' g% G$ k" b3 H* [; l" O% c* P1.4.1隐含层节点数
5 ]) r/ S' F! w/ x9 b5 g1.4.2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
# I$ X) a, a6 b& Y2.1案例背景
2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
6 x% A) \. O" }- N3 W2.3.2数据选择和归一化
- C- r+ W8 i9 {/ g; U2.3.3 BP神经网络训练
$ z: f# |9 R& v7 ~6 C; H2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
/ Q* |% S) Y  V2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
4 j' X# o' n/ T7 k1 ?8 U2.4.3训练数据对预测精度影响
( A. i# \+ Y8 U8 Z0 `$ i* E2.4.4节点转移函数
2.4.5网络拟合的局限性
  W8 ]& E4 M! E6 b参考文献
, K2 L  X! X9 p4 z# f, s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
( O% {. j4 v$ t3 ]4 n3.1.1遗传算法原理
  }" K9 y( Q4 n) C3 G  o& u3.1.2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
; p- [8 E$ T% t' O3 c3.2.2遗传算法实现
3.3编程实现
# b: p4 @! y! q. s5 \3.3.1适应度函数
2 z8 [' A! c* K& P8 i3.3.2选择操作
3.3.3交叉操作
3.3.4变异操作
( r9 L1 X4 \) m) G- u3.3.5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
( H; c8 R* O, x3 l3.3.7结果分析
8 ^! Y6 p: S0 ?- K; {3.4案例扩展
3.4.1其他优化方法
3.4.2网络结构优化
& B+ I1 r1 {, z3.4.3算法的局限性
参考文献
, o! u$ k/ B( i: [* R# g5 P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
8 \7 P; F0 _* B9 q' ]4.3编程实现
4.3.1 BP神经网络训练
4.3.2适应度函数
# m; @5 _9 g& {( i4.3.3遗传算法主函数
4.3.4结果分析
4.4案例扩展
+ p+ x" X- E: I5 S" ~$ ^4.4.1工程实例
4.4.2预测精度探讨
/ u0 K* D$ ?3 h% j# h  ~+ P参考文献
  `* O) W% K! v/ ^6 y2 l第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
$ H% b+ A) q. V8 F* v- c/ s5.1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
" p% ]+ d; _. m7 q" I" s5.3编程实现
5.3.1数据集选择
0 Z/ m" [/ ~' v1 _5 b; }7 p/ q5 e5.3.2弱分类器学习分类
' p- o( ?( \% Z7 A5.3.3强分类器分类和结果统计
5.3.垂结果分析
% f$ y% M6 M: H6 c! ^, `! e5.4案例扩展
+ m$ k+ c' @4 b. d$ j  z5.4.1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
# y2 K$ J6 j2 M; J9 z! Y5.4.4结果分析
参考文献
" Y! O' a3 h- f4 A- z' H% U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
6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
; _) i' M0 t$ @! k3 h. [: V0 }6.2模型建立
: ]! f/ B* X: B& E6.3编程实现
9 n& F7 v+ E/ }  E  A) N6.3.1 PID神经网络初始化
, z: @% m4 B/ f' B) n6.3.z控制律计算
6.3.3权值修正
6.3.4结果分析
0 k0 I/ r6 N8 U+ s8 a7 ?* C6.4案例扩展
6.4.1增加动量项
6 A" w: i% n$ ^1 P6.4.2神经元系数
6.4.3 PID神经元网络权值优化
参考文献
3 G7 e2 l0 [# H0 x第7章 RBF网络的回归——非线性函数回归的实现
" ~8 |4 x/ }9 Y% X1 l3 A7.1案例背景
7.1.1 RBF神经网络概述
1 p0 ^$ O% _4 `- l% s3 g5 ?7.1.2 RBF神经网络结构模型
: S& e  c4 K( d7 w, I; ^. \: }7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
6 o. n% L; j) j1 U! ~' ]5 J7.2模型建立
7.3 MATLAB实现
7 D9 b9 ?% g8 [( `3 D( B7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
' g& x9 V% J9 y  G' r( e; H3 R7.4.1应用径向基神经网络需要注意的问题
5 E5 o- `& l- ]( v3 j7.4.2 SPREAD对网络的影响
参考文献
: a) `0 t7 w. u0 ?) L第8章 GRNN的数据预测——基于广义回
1 ]: d1 `, \- T2 s& I6 `' s归神经网络的货运预测
; }7 `. f. }3 O8 c/ R! C/ A8.1案例背景
8.1.1 GRNN神经网络概述
, j8 s' m9 v7 a# a* \) _, i$ |0 f8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
7 r" e- U! i' _' {, z( _$ P8 L8.1.4运输系统货运量预测相关背景
8.2模型建立
8 F1 I! F0 l+ \$ N8 [9 n: h8.3 MATLAB实现
8.4案例扩展
9 r9 Y9 V$ u9 l0 B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
' l( a5 p2 x1 H/ q& |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
* I7 D% J) s; u0 x  ~9.2模型建立
9.2.1设计思路
9.2.2设计步骤
  J- N1 ?8 f* p/ y! Y9.3 Hopfield网络的神经网络工具箱函数
. C* g5 V3 d) l9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
. U9 f5 _" E% k( Z, ^+ K3 B  C9.4.1输入输出设计
; S1 E7 I. h$ ]' o9.4.2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
9.4.5结果分析
9.5案例扩展
: K: C2 y% x% m1 k4 ~9.5.1识别效果讨论
9.5.2应用扩展
参考文献
0 @. b0 [! u* e( ^5 a第10章 离散Hopfield神经网络的分类——高校科研能力评价
" [7 L! ?" n  r5 d& r10.1案例背景
5 d4 O7 R/ @: V10.1.1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 ?9 O# H7 x! H4 `0 X1 e& Q: }3 b10.1.3问题描述
10.2模型建立
7 @8 r; w$ o) ?5 f+ {: z( Q10.2.1设计思路
10.2.2设计步骤
2 C# D- F4 g; S7 \$ h$ P: g10.3 MATLAB实现
10.3.1清空环境变量
2 ?# q# |5 L9 i7 C, c% S8 o10.3.2导人数据
$ L9 \4 H5 t( `- W% @, G9 j10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
& M- U! Y2 f: T* }10.3.6结果分析
  M0 ?* s' ^3 R5 Q10.4案例扩展
, z# Q+ b9 Q1 B. R$ h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
5 V0 N* l: _5 J  c) \8 Q11.1案例背景
' n% y1 `# M, v* Q, @$ H11.1.1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
0 S6 q% w9 v4 W( D0 I11.2.1设计思路
11.2.2设计步骤
- z! l3 Q/ U8 p, d0 v9 k11.3 MATLAB实现
$ M* m. x; R& W11.3.1清空环境变量、声明全局变量
, F1 ]! X1 F) d+ x% A1 `. E11.3.2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
11.4案例扩展
11.4.1结果比较
11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
* Y0 H5 P; s9 Q7 S! `9 I3 ]12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
. v! r& }$ G& x0 X/ D# F, k12.1.3 LIBSVM工具箱在MATLAB平台下的安装
6 O- S4 b. @: N7 d/ Y) V7 V12.2 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
12.3案例扩展
参考文献
9 v/ ^% E* a! u6 t3 k3 c第13章LIBSVM参数实例详解
13.1案例背景
/ q' V# ^5 i: j8 F# F13.2 MATLAB实现
13.3案例扩展
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
6 k0 y) _5 H* t- C% Z; Y0 y* u14.2模型建立
14.3 MATLAB实现
1 L1 x2 c9 p# ~6 j7 l9 |14 3.1选定训练集和测试集
0 w9 {  q% r+ c3 q% ?# |3 A% I……
第15章SVM的参数优化——如何更好地提升分类器的性能
2 C+ ?7 Y) y0 j* H6 i. p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
( g; k! @2 T- n. l6 U2 ?# z% T. L% T第18章基于SVM的图像分割——真彩色图像分割
- H6 G* B2 d! M0 L" N; t& {& ^2 _第19章基于SVM的手写字体识别
/ z6 I; M) S# N. S) m$ a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
+ C! f# k  [) e9 Q第22章SOM神经网络的数据分类——柴油机故障诊断
3 C7 d* t$ h- i: F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
! d8 D$ w2 [9 R& R" d4 P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
) S/ M5 M6 N- S! O( u) `第27章LVQ神经网络的预测——人脸朝向识别
* W. \# m: [4 Z2 Y9 r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
+ S3 o+ S0 j5 u第31章思维进化算法优化BP神经网络——非线性函数拟合
, f7 D- f' N/ D: ]- b& }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
1 c4 k. p6 L$ ]& c8 F% o" d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
! V4 \5 U) A% n9 y" L' O0 D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
第38章基于Kohonen网络的聚类算法——网络入侵聚类
" r, U$ ]/ X2 h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
0 ?4 {& r' U. j* d- A2 l, H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
' Z6 d- m7 y7 l0 R# c8 C序言
  G& f1 Y$ x: ?- Q( R; |5 L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。
3 C2 \3 w2 t* x& H9 s% Z$ S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。


4 K2 c. `7 h0 c) m: h3 FMathWorks 中国教育业务发展总监
5 h( [, f' |* S- M) |5 \8 e
" e- @$ K8 M# A; U. X+ X, B/ T陈炜博士
" I' }+ Z8 g" V4 \
2013年6月于上海
" W0 Y6 O7 I" T3 h4 X
7 L! R4 H9 j$ s  g. p* R7 t
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


% ^: ^: I9 v! Y9 j! `" g
* g, g4 g0 o4 G* `0 l9 g$ e