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。

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。
% t5 q# i/ F! Y; N* N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。
: |9 ^! B7 ]; d  {/ i4 w
: @/ F: X+ X+ U0 H- p: j/ t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。
' f) P9 ~; e( V' u- M
1 c9 c8 q1 I/ U4 ^
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。
4 ^6 B2 o$ k; V. 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。
. Q6 x) D! b! L6 k) \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。
$ a! R6 f6 P9 ^3 ~/ `4 h% Y目录
0 Z& Z7 A% A. H* i  p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
0 \* m  D5 l8 v; U$ N% ~& |1.1.1BP神经网络概述
/ [+ m/ u1 k4 \8 x/ q4 T8 t1.1.2语音特征信号识别
( k' p# l' R" k. Z1 E! q& F1.2模型建立
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 n5 N2 I# _* [1 W( R$ w1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
5 b3 m1 d) ~) z) O$ |$ N; _( x1.3.5BP神经网络分类
1.3.6结果分析
1.4案例扩展
4 D) k1 p9 b: l1.4.1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
# u, {" u/ K0 \4 Y, |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
) L, v# }% Z( x( f9 s2.1案例背景
2.2模型建立
2.3 MATLAB实现
! S. [1 p9 S7 D" j  ]3 z! G. w2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
2.3.3 BP神经网络训练
4 j6 H0 e- ?; o& e% B2.3.4 BP神经网络预测
7 V1 S2 m+ L. D4 ~4 A2.3.5结果分析
- f1 \8 _+ N; ]; N0 ?2.4案例扩展
5 a. H8 ?" w6 z  M; J2 ^0 ]2.4.1多隐含层BP神经网络
/ C' s0 g, h4 ?/ ~' @9 T2.4.2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
1 b& Q6 `1 ]5 x2.4.5网络拟合的局限性
参考文献
; q1 U! V2 C1 a" \% {1 |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
( I; w5 Y# Y# ]3.1.1遗传算法原理
3.1.2遗传算法的基本要素
; k7 k1 v# w; n6 g' D, x( ^3.1.3拟合函数
( z% w! Y3 }1 [4 C& q8 n3.2模型建立
3.2.1算法流程
8 T  n5 F" s: ]3.2.2遗传算法实现
3.3编程实现
3.3.1适应度函数
3.3.2选择操作
4 J6 s: b7 V$ I3.3.3交叉操作
3.3.4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
3.3.7结果分析
3.4案例扩展
+ A/ K+ |8 O# g# ~/ b7 d7 d3.4.1其他优化方法
3.4.2网络结构优化
3.4.3算法的局限性
参考文献
* U, c7 |) a2 d" n5 S% g6 r$ K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
9 z6 b, z* [& m8 e4.1案例背景
, S+ J8 Y6 l$ @4 h9 p$ M4.2模型建立
' a) `8 x' n! k! ~/ f! \. e3 ]4.3编程实现
3 n" d9 o# \+ ]; I7 |$ ]4.3.1 BP神经网络训练
2 P/ H" ^) H' s4.3.2适应度函数
4.3.3遗传算法主函数
- A; d3 x$ @2 @' `1 u4.3.4结果分析
! W* [. G& h* U+ g/ m  S4.4案例扩展
4.4.1工程实例
: y; l8 p0 b, C' _  Y' z& j  R8 y4.4.2预测精度探讨
参考文献
3 w) Y1 y$ g+ d& i; b9 }第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
7 R& t$ x! O4 }+ V5.1案例背景
' N/ s0 |( d$ _2 Q5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
1 W6 D4 X* u( E( M5.2模型建立
* ^+ O/ S8 r: M! G5 E5.3编程实现
% ]0 L( m; n/ O  S0 A5.3.1数据集选择
9 `* K% j& N. o" f, r: B( L) S5.3.2弱分类器学习分类
6 X9 F7 L& L) y7 @! A, w( T$ n5.3.3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
# N! m) O9 d3 \& d  T5.4.4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
9 X1 Q$ i) }) t, x% w0 B* j( i6.1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
9 L% t9 D* {+ h! H0 ]6 y" }6.2模型建立
6.3编程实现
0 ~5 o) _' l& L/ S3 w6.3.1 PID神经网络初始化
6.3.z控制律计算
+ X+ a. H5 j, K8 V( r$ n2 B6.3.3权值修正
6.3.4结果分析
6.4案例扩展
+ S5 |9 m1 d9 r- `3 w8 C0 E6.4.1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
参考文献
  e  q) v4 E  m! ]: Z; `6 X2 X第7章 RBF网络的回归——非线性函数回归的实现
1 c/ Y# D' r. o; T" y7 A/ w7.1案例背景
7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
* L8 \' Y; C: z6 ]/ U% @7.1.3 RBF神经网络的学习算法
5 f- U# @# V; d9 j- k/ r: p7.1.4曲线拟合相关背景
7.2模型建立
. J2 p! K# y% P. c* N2 c9 }9 m7.3 MATLAB实现
7.3.1 RBF网络的相关函数
" @; t; |1 @7 V! W; g2 B# H7.3.2结果分析
- }1 `- Z/ r" z  W5 {# g* C+ Q/ B7.4案例扩展
7 U8 _, H+ p& B) l3 `7.4.1应用径向基神经网络需要注意的问题
* V2 [( ^- E6 n! K: l7.4.2 SPREAD对网络的影响
参考文献
  A! S  t+ _0 p! j第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
8.1案例背景
  `( ^; E1 W: }+ p/ F8.1.1 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
( X" S. v) [) R; g0 s7 E' f8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
! W% m/ K- h. u" K, b8.4案例扩展
* y. {9 v% @- ?; A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
. A7 H' K4 ~1 G( ?9.1.1离散Hopfield神经网络概述
! b' |: Z" h% Z) G5 g8 f" r9.1.2数字识别概述
$ C+ l+ e' v8 Q$ W( d- ^9.1.3问题描述
9.2模型建立
2 V# s3 h, b$ q0 {9.2.1设计思路
5 {% t3 L# `5 d" E5 x% a# L  W9.2.2设计步骤
+ O  u+ s' K' q! g; W& e& ]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
3 [; j7 N3 w) }9 S& ~9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
5 K5 R- W; H6 J) }) G' |  f1 R: b9.4.1输入输出设计
  _4 S% u* @5 `$ H9.4.2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
; N6 |, w: X/ C  p& i* O# i9.4.5结果分析
+ L; z5 ~0 R1 _" h1 Q$ }5 Q- O9.5案例扩展
9.5.1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
10.1.1离散Hopfield神经网络学习规则
; D9 q3 o/ ?$ d8 d10.1.2高校科研能力评价概述
10.1.3问题描述
10.2模型建立
& w! B+ k" B; W; @1 F5 }7 ^, M10.2.1设计思路
10.2.2设计步骤
10.3 MATLAB实现
2 R8 Q- j5 s, Q9 r10.3.1清空环境变量
10.3.2导人数据
, x9 s& c$ \/ u10.3.3创建目标向量（平衡点）
10.3.4创建网络
* F2 V7 |+ Z: I$ {7 j10.3.5仿真测试
* }* T" y0 @' b( w. T5 s" K+ {5 d10.3.6结果分析
5 p# m, A$ Z1 ^1 I10.4案例扩展
参考文献
! j1 e" H6 L$ w  t9 k: N' }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
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
( T& |( h8 }  R$ }6 C+ l( x5 n11.2模型建立
# l" w8 {$ c! O8 k11.2.1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
! t; n3 \; l4 R3 P& C# C11.3.4寻优迭代
, o4 y( ]* {* K3 Q11.3.5结果输出
# L  M* o4 q, c8 I5 T. \11.4案例扩展
11.4.1结果比较
11.4.2案例扩展
0 g4 R- k- d( a4 F0 w# v" L  {参考文献
" W# e/ L" V4 v9 P! O' S' T+ O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
# C/ C3 ]; j: e* c, [12.1.3 LIBSVM工具箱在MATLAB平台下的安装
9 H) ]+ x2 }. m( v0 r  _0 R12.2 MATLAB实现
( ~# X/ O# Z9 {8 w6 Q12.2.1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
: z- Z( s) u5 o6 d) X! d  _2 N! @参考文献
2 t: E* o" R6 K. f, d5 \7 H0 e! R第13章LIBSVM参数实例详解
0 t: [, g9 ^; c3 S13.1案例背景
13.2 MATLAB实现
13.3案例扩展
( M* f5 J2 o9 U6 U9 {- I* \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
) c  w) ?: T( z14.1案例背景
+ }0 u. ?+ T( b14.2模型建立
( ~; H$ b5 B1 ]! ^+ n14.3 MATLAB实现
14 3.1选定训练集和测试集
……
第15章SVM的参数优化——如何更好地提升分类器的性能
0 L2 H& M9 ^% @. l0 `第16章基于SVM的回归预测分析——上证指数开盘指数预测
% H' m) Z! ^/ B, o$ n# }5 f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
  @, r9 F. B& l  \7 d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
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
/ V% N' A+ i1 _) z0 `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
0 `' o. ]+ K9 m3 D$ x! c* ~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
) {! H$ V4 s! Z第26章LVQ神经网络的分类——乳腺肿瘤诊断
: g: o/ ?: H+ j2 ]9 A& O, r第27章LVQ神经网络的预测——人脸朝向识别
, d1 V- \7 C% H9 u! Q6 n* Z第28章决策树分类器的应用研究——乳腺癌诊断
, ~' B# M( p- h: S' o, Z6 `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
/ d7 [4 B, i% I4 P8 a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
7 H& m, L# x0 f! g1 I第32章小波神经网络的时间序列预测——短时交通流量预测
' K# Y' K: y0 p$ {  U$ u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
( Y; V1 |+ v  N2 z% o6 t第35章粒子群优化算法的寻优算法——非线性函数极值寻优
5 s4 R8 Y% V& z8 y6 e+ V第36章遗传算法优化计算——建模自变量降维
2 N* G% K$ d+ i0 M0 ]& P7 }+ p* `第37章基于灰色神经网络的预测算法研究——订单需求预测
. S( B# a; K  {! J8 U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
0 `. N7 R5 G' ]( Z' p: g% M2 [2 e( Z& ]第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
& e, R- ]6 e5 d  k. N. o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
2 ~' v* M% U7 C9 Y! c2 _* O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
1 e+ R5 L) g$ W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。
9 J+ x" s1 y7 {6 O% i& A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。
5 ?+ }$ ^6 i) l3 m( _' o. A5 T; U: P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。
0 o3 c9 L. {! r! Z& f4 c
" R' G: U" v) R) I' |6 T
MathWorks 中国教育业务发展总监
0 Z& c4 m: ]3 R0 h9 H, d
1 `8 ~% I+ N: Y: X% j4 r- O陈炜博士
5 a* ]' t& Y0 h8 j
$ W" Z/ W" o( S2013年6月于上海
  n# v+ A4 W' c5 D: g4 R) n

  U8 I0 G- S. n$ I- x1 A+ ?" `* ^/ Tpdf 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
$ P: h  }3 I1 X" }7 x6 I! B) w+ Q1 B