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。

& ]; n# w% E- j1 J' h" u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。
  `. W& H* J( r" B! k$ x" \
6 b; O$ X5 r0 I3 p) o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。

6 E( ^3 H0 b" P9 S/ T8 U
! M4 l1 e. ^" v1 M) ~$ T编辑推荐
% Z3 l* M) u0 h+ Y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。
作者简介
. [1 Y, Y0 K% t- 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。
& P4 V- ?* P, z" C目录
第1章BP神经网络的数据分类——语音特征信号分类
- k) ~2 Y& t+ K+ l0 S5 L. C; R" x1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
6 X0 S; b+ v5 ?1.3MATLAB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
6 |& c" \/ R2 p8 t0 j& u1 [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
$ R$ B8 a. t& t5 s1.4案例扩展
0 L1 h) z* y$ g2 z$ }6 D1.4.1隐含层节点数
- q& ^( v2 L$ r! o1.4.2附加动量方法
1.4.3变学习率学习算法
* l- k6 J8 f. P, h; o# m! d1 L7 T0 l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
- f% }4 X# L/ L" I6 }1 q# `2.1案例背景
2.2模型建立
) G. |7 V( O% O9 h. w2.3 MATLAB实现
2 F) a0 K) ~% m. Q9 w3 m0 d2.3.1 BP神经网络工具箱函数
( {, ]9 J& s! Z! E  k7 k& V4 ?8 }2.3.2数据选择和归一化
2.3.3 BP神经网络训练
, }# P/ N0 L* ^( V! O  l) K2.3.4 BP神经网络预测
2.3.5结果分析
7 ~, W8 h2 e& ~) f, b+ j1 z& H- k. g2.4案例扩展
6 o( e8 Y0 G, A5 Z+ d$ r2.4.1多隐含层BP神经网络
. @( i- f2 o; C9 {( N2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
* y% i/ ~6 C7 v3 E2.4.4节点转移函数
2.4.5网络拟合的局限性
7 h, k* Z5 \5 y2 v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
  L1 j" j& n" c3.1案例背景
2 V. R" q' s* Y* C. j2 n3.1.1遗传算法原理
3.1.2遗传算法的基本要素
* E  w6 ?' R! u0 ], v2 O1 Q3.1.3拟合函数
4 x- d  d" }5 i8 i$ P4 ?6 `% ^6 }* |/ W3.2模型建立
: S$ `$ w3 e7 x+ g( R* Z" i3.2.1算法流程
2 m. ~, s- @, I& t% e3.2.2遗传算法实现
3.3编程实现
" r  }7 M8 a* j. \! G3.3.1适应度函数
3.3.2选择操作
3.3.3交叉操作
; ]' b9 V, y' J3 r+ Z; U3.3.4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
5 S1 Z3 Y2 e# f5 h; O5 U3.3.7结果分析
% ~+ O/ i7 c+ D+ Q4 t3.4案例扩展
3.4.1其他优化方法
3.4.2网络结构优化
; b# C/ Z: P* _/ q3.4.3算法的局限性
3 I0 s* s' k& {' Q' a参考文献
8 [& x4 T- r" ]1 P/ A; L8 b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
% c: o) @; f) q, C- g5 d4.1案例背景
" C7 h( f9 r1 B4.2模型建立
4.3编程实现
4.3.1 BP神经网络训练
4.3.2适应度函数
4.3.3遗传算法主函数
/ I) D& E6 e0 S  t' ]4.3.4结果分析
4.4案例扩展
4.4.1工程实例
4.4.2预测精度探讨
" r9 J( R* ?: j# v参考文献
9 S: [! {4 J' X! A* u第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
2 S& I  m, P# Q5.1案例背景
7 l2 C; Z. C' @3 O- F$ a9 q9 Z# S5.1.1 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
( C* L# e9 m0 i5 \' O5.3.2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
+ o3 c5 H6 T7 X) h5.4案例扩展
2 [3 h/ c) j" b! ]% l: w5.4.1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
5.4.4结果分析
参考文献
6 v- U2 Q& d* ]" x) x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
" d5 a: y( [* Y. W+ Z' x/ c6.1.3权值修正
6.1.4控制对象
  [& {4 `4 v' _; _3 W. y) y8 f6.2模型建立
! s) C5 p, G5 S; c* {  ]; _6.3编程实现
: Y' g) f/ h7 S; Q# m+ C' j6.3.1 PID神经网络初始化
5 t" O- Q8 n* d7 t6.3.z控制律计算
( `7 y) w/ F6 }) }" _  H" V- B6.3.3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
% \4 y2 D' C! i* W, l6.4.3 PID神经元网络权值优化
1 d* y+ @* n; b8 j' s" {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
8 L5 ^/ T+ E9 Z  q2 ~( U7.1.1 RBF神经网络概述
* q. e$ ?5 X% }$ Y. o& F& S7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
: @5 d, t  q8 B3 c  R7 i/ @7.1.4曲线拟合相关背景
9 \& |8 l8 }9 \6 X& P# S& K, o+ P7.2模型建立
% Y5 r; ]- |9 X! `7.3 MATLAB实现
+ G+ W, Y, u: F9 k" ?7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
; G9 l5 v1 t3 f" t7.4.1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
参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
1 n$ O: h& M3 j7 @5 u& T8.1案例背景
7 Y$ i& `- `, p8 G! I) k8.1.1 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
- c' @! J* K9 ~' {8.2模型建立
8.3 MATLAB实现
) ~' P  H! a- j9 x8.4案例扩展
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
6 R$ W/ u( A* N' x5 R& F' j8 b  W9.1.1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
0 ~0 W- ~& @, w7 K3 Y8 X; B9.3 Hopfield网络的神经网络工具箱函数
& j" k4 T& I0 x6 ^0 \) n* X9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
: O* h. T: k+ ~9.4 MATLAB实现
) s' ]) Q( M  F: f, R4 [9.4.1输入输出设计
3 N( p) e' F1 |, ]  ?  j  k9.4.2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
. V! l- B: W! _9.4.5结果分析
9.5案例扩展
9.5.1识别效果讨论
+ h7 v2 A% U7 ?9 z; Z( y9.5.2应用扩展
参考文献
. U$ ?; r0 v1 e' i( C第10章 离散Hopfield神经网络的分类——高校科研能力评价
- P( \, ?, `, t9 X/ N10.1案例背景
. u! T5 i8 n+ H9 H6 L8 z10.1.1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
, }) S6 }* |9 r2 ?10.2模型建立
10.2.1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
10.3.2导人数据
7 S/ I  W! k+ ^" G3 w5 o/ L10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5仿真测试
3 s9 Z0 s$ K/ X4 `, C; M10.3.6结果分析
4 T0 E) k8 ~! |7 L* b6 S) N) Y7 d' b10.4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
" L% o# ], s% ^# q# j( W2 q- R11.1案例背景
/ D6 t% X& N4 @11.1.1连续Hopfield神经网络概述
! i7 [: R: _* ~+ G, M11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
11.2.1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
1 ^. E; _) Y1 T1 U11.3.3初始化网络
0 H" J7 q2 \/ H5 V11.3.4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
6 h5 M' I; J' P. c; K参考文献
' @' c) ^3 Z4 G: t第12章初识SVM分类与回归
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
12.2.2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
13.1案例背景
2 W7 P7 n- A' n! H0 i13.2 MATLAB实现
; ]' m# F# n0 d13.3案例扩展
: m4 z/ f/ k$ e" 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
14.1案例背景
! |  k8 G: `2 k6 J+ }9 c0 D14.2模型建立
9 m6 Z6 G1 T- \( f& J14.3 MATLAB实现
14 3.1选定训练集和测试集
2 Y. P4 e6 Y: f6 M; n6 a2 g- X/ p1 Y……
, _; ~: r" h/ Z第15章SVM的参数优化——如何更好地提升分类器的性能
. R  \) p- j( z+ ^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
$ k# t/ T1 i3 q2 z5 K第19章基于SVM的手写字体识别
8 \! Z1 A" P  n, 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
第22章SOM神经网络的数据分类——柴油机故障诊断
% p5 ?+ V6 \% [( G. `9 g8 U第23章Elman神经网络的数据预测——电力负荷预测模型研究
& g4 N6 X+ S$ M/ p: o4 i, @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
7 J* L4 P" [# F, a' b  f/ N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
, J1 k7 |2 E/ |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
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
" D/ X- c$ u" T$ d/ k! |) }( h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
! h2 c& r6 `( ?, b1 M第33章模糊神经网络的预测算法——嘉陵江水质评价
* i0 d( }; a% ]% O, L6 B$ }& s: l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
第36章遗传算法优化计算——建模自变量降维
  m5 |9 M  F3 q/ w; U3 o( ^! r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
. H1 B' \( ^0 j: {- j0 I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
, Q1 R% d6 m- \% q. b6 ^& I/ c" H第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
2 ?" ?. F2 B" @* Y, l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。
1 Q& ~+ I0 ]8 `: t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。
* d- f- C& i# U+ l' O, {; 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。
7 F# a4 b+ i/ B) h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。
" O/ b4 R* V# _& M
8 u6 H. F( c' |% e: o8 F
4 e' Y, z. @  p8 I! pMathWorks 中国教育业务发展总监

: y; u$ a9 Z0 h* |9 B0 {陈炜博士
  n4 }! O( F$ _- S, B
* f2 G8 q( l5 ?2 g4 [+ h! P2 I2 L' O7 k2013年6月于上海
9 m8 X9 R' A5 ~0 u  i) Y
. C' x7 r2 G& ^. [- O
  ?9 c9 \- \2 K, B5 H: \pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
. B& c# I. g$ G$ Y: L3 @数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r



: H, Z! ^2 l& p5 K/ z9 L: B" ?2 D