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。

; f7 A# c' G$ v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。
6 ~# F# w! g% J! }6 N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。

. T# v" V/ T2 |6 @2 m8 ]. M, r& 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。
1 }) I! U9 P* E9 t1 C
& _" l7 s" b# \" L( R0 r0 z; l
6 X* y( M$ {+ y1 K4 F编辑推荐
8 W0 M& Q* P. @$ b9 k) ]6 I3 Q( s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。
1 k7 {- D- a  V3 O+ x; H: P3 g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
9 v6 p! Z% c7 ?! W9 I; a2 ?8 |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
1.1案例背景
1.1.1BP神经网络概述
+ N1 t1 f6 g# I. Z5 Q) j1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
7 j+ i. Y. E7 K) p* m, x9 p# z0 i& |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
! I, T: L# `. v* R/ R) i( v1.3.4BP神经网络训练
1.3.5BP神经网络分类
1.3.6结果分析
+ z, z4 f/ U5 [, k0 R& }; ?1.4案例扩展
% Y$ z2 k/ Z" C( a/ A% Z- n1.4.1隐含层节点数
. A% x' z$ l# d/ B$ u, |7 m" s1.4.2附加动量方法
1.4.3变学习率学习算法
0 i' @3 K# T; c$ j# W8 T" }参考文献
" g- W) O: ~- i0 i第2章BP神经网络的非线性系统建模——非线性函数拟合
8 @7 F' q5 x% V/ I, j" P2.1案例背景
4 z3 [$ A1 D/ u3 a2.2模型建立
! ]6 R8 D( v0 w  A+ F2 W+ N$ ?% L2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
: U) {! g& Y3 o' U5 w( o# [2.3.2数据选择和归一化
5 l9 _& V# Q4 }( d2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
5 z" `$ K/ H3 a- S) D" f9 z2.3.5结果分析
! b. i) g2 F: [- M/ `- d2.4案例扩展
$ X, s1 p# {# `# m4 }" y  a2.4.1多隐含层BP神经网络
) y, a& G1 B# n; ]  R% F8 Q  |2.4.2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
参考文献
6 J3 ]; f+ T3 Y第3章 遗传算法优化BP神经网络——非线性函数拟合
# F9 o! x1 ]4 z$ A8 U3.1案例背景
& F* m! E) C" \0 g7 Q7 V6 m3.1.1遗传算法原理
7 ]& c0 v! `9 D3.1.2遗传算法的基本要素
) Q  y0 q: ~# {9 K( O9 J3 e) r2 w3.1.3拟合函数
. D+ f2 ]" O) J& Z8 c  O3 r3.2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
$ z3 x) V: [9 ^, u4 w" ]6 Z8 n3.3.1适应度函数
3.3.2选择操作
  d. m* S+ Y: G7 {2 E8 A7 |7 Y3.3.3交叉操作
3.3.4变异操作
% Y; m! y" W7 a5 h3.3.5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
, y, U* c* \# G0 t% L0 b3 W; @+ e; O3.3.7结果分析
3.4案例扩展
. V; D' j2 k& O# W3 h' X3.4.1其他优化方法
  N$ |7 {: I" @# d# o& d, v3.4.2网络结构优化
3.4.3算法的局限性
. |) P- ^1 z( F  d8 W9 S) {8 \参考文献
5 {# b$ W4 r& N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
  n/ W/ Z) u+ S; O4.3编程实现
/ S9 N# r5 W( w& k, Q# v( s4.3.1 BP神经网络训练
) X- z6 u" e. G* [! L5 R4.3.2适应度函数
4.3.3遗传算法主函数
4.3.4结果分析
! L- V; j& \6 {# ?4.4案例扩展
4.4.1工程实例
4.4.2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
5.1案例背景
4 o  a& f# [/ Y+ k5.1.1 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
2 V9 U" `4 I( d9 p5.3.2弱分类器学习分类
! a7 E8 H# R3 j8 M5.3.3强分类器分类和结果统计
5.3.垂结果分析
5.4案例扩展
) f- M: e" T8 N/ d  b" V1 E2 s5.4.1数据集选择
& b* b' K9 q4 N$ b$ E2 x$ z, L. B5 \5.4.2弱预测器学习预测
9 C) v$ a& o4 X) w6 T. y. `5.4.3强预测器预测
& P/ D; @+ W! ]5 E0 ?1 Y5.4.4结果分析
7 C. y' j$ g* m9 U" |# B$ S. W参考文献
/ Z/ k$ i: F* o  \. H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
# |4 j- A( c5 E2 M/ ]6.1.1 PID神经元网络结构
" H0 r/ p; L5 a. l( t7 x9 E6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
. j* L4 r' c3 t# q6.2模型建立
6.3编程实现
  q6 H9 w( Z6 W! }6.3.1 PID神经网络初始化
- Z5 D7 H: m% A3 @" ~  Z; t6.3.z控制律计算
6.3.3权值修正
% j) |6 S! M! a0 z& s' d/ I; y6.3.4结果分析
$ e: K# K& t: H$ \  c" R9 ~" C6.4案例扩展
- S6 X* n  R1 D* B  E- ?+ N6.4.1增加动量项
' h1 s: l9 R; I- Z6.4.2神经元系数
2 o( }, x$ N7 E1 P/ f6.4.3 PID神经元网络权值优化
. F/ U7 U: F5 I- y! M- I6 x" H参考文献
" s5 n2 I3 l! b8 F7 S8 l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
7.1.1 RBF神经网络概述
) M; ~& |1 @  M2 X, R, `. ?& N7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
2 g% `! A6 p6 Y) i& b3 u0 i6 d& @7.1.4曲线拟合相关背景
7.2模型建立
% E9 B9 q+ M7 H7 b5 f7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
: J/ Q, Q7 y. @7 m  m5 H7.4案例扩展
7.4.1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
; X( a0 q) w+ y1 `: F; e4 I3 a9 i参考文献
第8章 GRNN的数据预测——基于广义回
  o  Z6 M9 V) g! N. Q; M' }3 A5 I3 T归神经网络的货运预测
2 r+ P! w0 _# d) ]. P" Y8.1案例背景
8.1.1 GRNN神经网络概述
- h5 i# Z0 x8 i% d% G! y8.1.2 GRNN的网络结构
( T1 a; u( T3 K! [# N5 D2 v3 ^+ ?% L8.1.3 GRNN的理论基础
9 p8 `3 @# L6 m1 i8.1.4运输系统货运量预测相关背景
/ ]6 z2 a0 N( K$ i& Z& K8.2模型建立
8.3 MATLAB实现
8.4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
+ s9 N4 a4 Y! D' v9.1.1离散Hopfield神经网络概述
' A7 K: Y7 O: q$ Z. Q, ~# L( ?* f) m9.1.2数字识别概述
. Y' e/ [9 z; r) |2 H9.1.3问题描述
1 P% r0 f3 y! j& ]/ S9.2模型建立
9.2.1设计思路
, q4 V) F$ [. E1 s) i, }% I9.2.2设计步骤
( A' @' }5 W; R! T9.3 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
9.4 MATLAB实现
9.4.1输入输出设计
1 M; S- W1 u0 }3 X) N  `( Z9.4.2网络建立
; @! ~+ p8 E( V; G" E* Y2 Y* |' A9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
, q& B# h( y) ?# c. F' z9.4.5结果分析
9.5案例扩展
1 K! U2 M# ^& h7 ^1 h( Q7 ^& J( h0 y6 _- U9.5.1识别效果讨论
( [4 ?4 F% N7 F" p' i8 U. \) L" D9.5.2应用扩展
' M5 H+ `6 Y0 L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
3 H' ]% E7 J! P8 ?: S10.1案例背景
4 ^* ], o9 {9 Z. A; d8 i10.1.1离散Hopfield神经网络学习规则
3 `8 H& T+ m: R9 v! y10.1.2高校科研能力评价概述
10.1.3问题描述
10.2模型建立
# f+ P/ I& h- \) `$ L6 r10.2.1设计思路
10.2.2设计步骤
$ I+ [  y$ `9 s10.3 MATLAB实现
10.3.1清空环境变量
- R% i! {2 r5 G" N0 c' X& z1 g10.3.2导人数据
4 L6 Z6 O2 y1 H+ _* o, q: G2 N10.3.3创建目标向量（平衡点）
7 B4 ^0 H. l+ W( X  N; p' {7 y10.3.4创建网络
- e4 ]* H0 V4 V# O1 @10.3.5仿真测试
6 n5 O; F# T; Z3 j. b. ]& S: n10.3.6结果分析
10.4案例扩展
+ ?% u8 x- X5 C; r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
11.1案例背景
% m& h, O( W: h11.1.1连续Hopfield神经网络概述
: H) U; B" q8 j' h11.1.2组合优化问题概述
" B" v$ a' S: D( o11.1.3问题描述
+ h% C1 g4 A% s7 |11.2模型建立
- e6 t( v" X' W$ l8 B11.2.1设计思路
( V. [. m8 b  c4 U/ ^2 R' Y8 a  S8 X11.2.2设计步骤
/ p5 D" y) s% \# L6 H* d' s. J11.3 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
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
1 a( S: b, u% b11.4.2案例扩展
参考文献
) N6 A9 d- z$ O& L# T- Q第12章初识SVM分类与回归
" d# m/ s& D" l  i5 L2 u12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
" p" s- x9 V+ D; H* `5 Q12.1.3 LIBSVM工具箱在MATLAB平台下的安装
12.2 MATLAB实现
8 l/ Z3 @& X' N& u7 M12.2.1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
3 W' h7 w# Z$ [. _. v12.3案例扩展
参考文献
, i+ K# M+ D( d' v第13章LIBSVM参数实例详解
, q' t& V+ J3 z, w' G13.1案例背景
13.2 MATLAB实现
1 X$ E6 D7 s( t- \4 A$ G13.3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
14.2模型建立
14.3 MATLAB实现
14 3.1选定训练集和测试集
" \7 b- P( y6 Y$ k( _……
第15章SVM的参数优化——如何更好地提升分类器的性能
: s6 n. g% \' e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
9 r; k5 m; j/ L, L) v) 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
; e1 |" c3 m& Q/ w" }) }第22章SOM神经网络的数据分类——柴油机故障诊断
4 B# Z! z/ X7 O: A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
" c$ @! E( q( k0 i) f2 q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
& h. h! D. [0 A! G* i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
4 B- r5 x1 N7 Z0 X! i第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
, `' `  u0 ~- {8 T6 |. t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
, c% ?1 e' |  M第34章广义神经网络的聚类算法——网络入侵聚类
+ I+ {0 Q- p8 R, ~$ ^4 ~  a* M第35章粒子群优化算法的寻优算法——非线性函数极值寻优
9 y7 G4 \. p+ c. l4 {第36章遗传算法优化计算——建模自变量降维
+ c8 d* k9 r' F1 k4 p7 j* ?第37章基于灰色神经网络的预测算法研究——订单需求预测
, s2 |- ]7 v8 X+ j" ?; U3 D4 l2 p$ L第38章基于Kohonen网络的聚类算法——网络入侵聚类
" N* B% J9 `* L/ x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
1 L# I+ ?1 r/ `" U2 V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
6 y5 g' Z9 U3 Y2 t$ ]+ }+ `/ [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
4 x2 E$ Q' r! C' o& W! j序言
序言
6 g) l( Z+ U. {: N* ]6 X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。
  c  K' w9 `$ i) 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。
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。


% N* c( k: F8 s3 Z6 ^: ]MathWorks 中国教育业务发展总监
( A8 K# K& b+ C
陈炜博士

, p" ?' a$ [$ ?0 z. `2013年6月于上海

7 ?* O, p  l9 P. ?* U  z
6 B) p9 U+ m# i5 b$ rpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
8 k! r& [- T! E5 h1 g$ S数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
9 G8 l* }6 [0 q  ]
' }( Q1 z4 w0 @# x
' P! m! R, E6 e; r5 v8 f- s0 K' p