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。

- }- L1 N$ }8 B5 b$ b1 \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。
. Z& U, n8 M9 G+ z4 h! u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。

2 z' x) J3 r1 }: Z. `6 u1 \7 ~, U
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。
作者简介
" @6 o( S, Q+ }( r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。
7 y- g' ?) S! b2 P目录
第1章BP神经网络的数据分类——语音特征信号分类
$ i, r4 v' ^! o# c! t9 v6 t* M: k5 p1.1案例背景
5 s% v: C2 v' b" _( v1 _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
1.3MATLAB实现
5 ?( F5 s3 X/ @) E  n( ?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
. ~3 y0 i" b' T1.3.4BP神经网络训练
1.3.5BP神经网络分类
' R: p0 l" @* y$ H: [! Z  x! ?1.3.6结果分析
$ i* t' J+ p* F1.4案例扩展
& B8 N: U/ z# Q1.4.1隐含层节点数
1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
% D; [5 d# F4 O# S; {第2章BP神经网络的非线性系统建模——非线性函数拟合
% ^: H& W$ I3 |4 _) g. O2.1案例背景
) g2 S+ K1 S8 \( i8 P2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
. m/ R0 f8 b% O0 x0 Z. L2.3.2数据选择和归一化
2.3.3 BP神经网络训练
2.3.4 BP神经网络预测
+ A5 m. C/ S' C9 M2.3.5结果分析
2.4案例扩展
2.4.1多隐含层BP神经网络
2.4.2隐含层节点数
: S5 e# w: d; t  U$ P7 w9 I2.4.3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 J  u' K" h$ [3.1.3拟合函数
' \- _. i/ F# S: y! O* D. B( Y3.2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
- E% n! t7 C  S7 b1 P! x9 N8 @1 r3.3.1适应度函数
: T  ?$ z: A7 l6 ~3.3.2选择操作
3.3.3交叉操作
3.3.4变异操作
9 b! Q7 P$ L- Y- K3.3.5遗传算法主函数
8 T' b# {. |& I% |  a+ P- M3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
3.4案例扩展
% i, @- g) j; l* Y" b  f( p3.4.1其他优化方法
3.4.2网络结构优化
3.4.3算法的局限性
0 L$ S: C+ ^9 `- L# j+ n' P4 l参考文献
" Y7 E* v/ Q* E. `( m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
# f. k# L7 Z+ x4.1案例背景
4.2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
4.3.4结果分析
. g4 Q" R" ~/ ^) s) V4.4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
# C& V4 u' `4 |1 w% m5.1案例背景
. }1 q; a6 r+ N5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
5.2模型建立
- Y  I% V, N+ d" m7 p1 p5.3编程实现
7 `8 z! _" i& Q: q5.3.1数据集选择
  e$ V6 }) T3 k2 v3 B' T/ l5.3.2弱分类器学习分类
$ V! l3 B3 d( N7 E* v* n6 B5.3.3强分类器分类和结果统计
5.3.垂结果分析
5.4案例扩展
4 m/ x: `8 D# K: S! M# S5.4.1数据集选择
( B1 a- E- y! {5 t2 e5.4.2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
第6章PID神经元网络解耦控制算法——多变量系统控制
+ g) c9 ]8 n- h6 t+ ~; q6.1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
) |+ Z7 a  [% l9 D/ {6 G6.1.4控制对象
5 k( K( l! g, I1 L* [6 V, b0 z6.2模型建立
4 {, n$ b3 D9 J9 W6.3编程实现
6.3.1 PID神经网络初始化
. A9 r1 S; C& i% S6.3.z控制律计算
# `; |2 Q1 |8 P! l& S6.3.3权值修正
6.3.4结果分析
! y9 H8 ~7 t" w: K+ w7 R* V- P6.4案例扩展
7 `- E6 k; d; r  w7 k6.4.1增加动量项
6.4.2神经元系数
  d, O. `/ Z" v, U, {6.4.3 PID神经元网络权值优化
参考文献
2 ]& j/ d" b  `! C1 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
8 Y" E) U0 P. h6 ~3 n5 x! }5 s4 y7.1.1 RBF神经网络概述
6 R# [1 ]: F( H! d% n" 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
7.1.4曲线拟合相关背景
+ _  m* ^$ h/ K" [7.2模型建立
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
7 B7 K7 Q" N, k- s! B% @, r5 v$ N7.4.1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 h# [  k# a+ F0 j' H) l参考文献
第8章 GRNN的数据预测——基于广义回
7 {, l' H. Z( b3 m归神经网络的货运预测
+ _$ \( N4 W# o  b9 A8.1案例背景
) n1 l1 z1 b$ W" R$ x8.1.1 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
2 g. Q  ?$ ^& B! i$ P- Z" g8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
' [+ J6 V  g* v( H* H0 R6 U+ ]: m8.4案例扩展
4 D, z, |" @1 ?" q# {参考文献
; C+ N* Z. H; V9 O; w4 ~8 z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
! S' d# \2 m3 l9.1.2数字识别概述
9.1.3问题描述
, _6 Z" w: @' X: G* f) O9.2模型建立
1 }" O4 h) ~4 B1 q- m9.2.1设计思路
9.2.2设计步骤
4 o/ ~2 l. ]& `" W( Z3 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
! F) n. N3 X% u, A  l9.4 MATLAB实现
: ~7 m7 x& \& M; f  I4 z8 a9.4.1输入输出设计
9.4.2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
. P' F( Q6 w9 o- ]. C2 B# N/ N! j9.5.1识别效果讨论
9.5.2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
10.1案例背景
# {) q( B  M, a! u+ [2 ^' T10.1.1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
10.2.1设计思路
10.2.2设计步骤
$ C$ Q( m. f( D10.3 MATLAB实现
10.3.1清空环境变量
) F. }0 Q6 |2 u' j8 K2 a- A) X10.3.2导人数据
" A2 [. {) U' q: i0 O10.3.3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
% e, Q4 l9 P# o0 q  b" y. `; ^0 D+ K10.4案例扩展
% y5 W: ^3 K4 B( L# C参考文献
* Y  F6 b5 i  v/ v3 _; |6 [, y( u第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
  Z  b& @3 x1 K& S11.1案例背景
) z% o9 l& X% d7 j11.1.1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
11.2.1设计思路
11.2.2设计步骤
4 b4 ^. @! Z; z3 ?% z' }. T11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
9 _6 R; i5 q$ U, W- _* Z; v11.3.2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
: o1 ]( g% P+ O0 {6 |11.4案例扩展
11.4.1结果比较
1 d8 l9 _* o% _5 C3 a& s11.4.2案例扩展
参考文献
/ s2 T5 t' B$ o/ A1 J, r第12章初识SVM分类与回归
12.1案例背景
12.1.1 SVM概述
8 Z* h8 ^7 K. n0 t" `9 {12.1.2 LIBSVM工具箱介绍
; f( ]# V8 H% ?/ I& H, k# }% Y12.1.3 LIBSVM工具箱在MATLAB平台下的安装
/ |  e4 n' c" H" \, `0 J12.2 MATLAB实现
12.2.1使用LIBSVM进行分类的小例子
  @! f6 ^- f4 L+ u12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
; }5 O3 u) T- A参考文献
第13章LIBSVM参数实例详解
" H* w/ e% Y( E: }) t9 n13.1案例背景
( [6 ?" i/ h$ W! X  N7 k13.2 MATLAB实现
8 }% ~; C$ g: n( w4 R2 A13.3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
. V3 u- V& S8 |# }+ u2 g# W2 K……
第15章SVM的参数优化——如何更好地提升分类器的性能
: D# F$ v1 Z. J5 g第16章基于SVM的回归预测分析——上证指数开盘指数预测
; X( O/ f; w# v3 d0 D: D) w* D1 [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
( V; E3 Z4 T! t" u2 N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
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
) d' K9 B+ C6 ]$ A# L4 {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
. B8 y" _! u# k4 Y# H) ]5 E$ w第26章LVQ神经网络的分类——乳腺肿瘤诊断
0 G4 a( z# l7 w6 X% T$ |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
3 e" {, {8 f# C8 U+ |0 V0 K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
! q" w8 `1 M- \+ c第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
2 N$ ]  p# R; F4 X* W: `" C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
- h) f) l1 b  }! b. c1 _: e  q( 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
: N/ ^, j1 z8 i* q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
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
; C5 r- I, `6 s; r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
# Y- r, D7 R+ D. t第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
& y4 v( u8 N& J4 M1 P序言
序言
+ Z5 c1 r5 X- f5 n1 L* G& S* b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。
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。
0 ]) t0 Z  }" u) x, h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。
  C" z& {" D1 [: n/ T) R  g) a" `

# G5 I; o" q' T! A& T; RMathWorks 中国教育业务发展总监
- c" L; f, y" j& |2 M
) m+ Z+ i; p3 W$ [& r  g7 n8 J陈炜博士
. K5 S% T7 k0 x2 T# m* {5 B
2013年6月于上海
1 a; z4 R# T! ~5 `9 A
1 U  l4 D' X- j4 b. [
: `' ~2 v' u8 D( W/ Updf 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

& L1 W3 g  w' H* q3 R
3 `7 d5 i& W! D( a