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。

( v8 Y* h+ g7 e% n, ~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。
1 F; }1 A8 |- R( a" c# I6 }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。
6 A$ J- h0 s  ?1 F/ m' X

- I2 L, b9 b0 X" T# }: W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。
8 U: }5 W# C) L/ `# Y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
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。
# i' t: m* Y( F% K) Y7 d目录
6 P" C, M+ R# t$ R8 G  a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
! K* C3 k7 F$ U6 W0 \, q7 a; y  u1.1.1BP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
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
1.3.4BP神经网络训练
" G3 c& }9 _9 |( O1.3.5BP神经网络分类
- c& j" I6 C# S+ t- a5 K1.3.6结果分析
$ ~: u8 j+ P1 r1.4案例扩展
. u( `0 q( {5 v8 m) M) n: p+ 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
参考文献
! Y; m6 b6 V, L& r5 \$ J' j第2章BP神经网络的非线性系统建模——非线性函数拟合
2.1案例背景
# _- D7 u* ]4 W" x# ^# t" k2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
& H+ w: b# x- Y7 h7 ?# |7 }" y2.3.3 BP神经网络训练
2 e* t- `6 R" B! X6 @4 L2.3.4 BP神经网络预测
2.3.5结果分析
1 c. ?: B1 h6 d1 T4 b2.4案例扩展
2.4.1多隐含层BP神经网络
) K; U$ m6 ^. ^+ V- u2.4.2隐含层节点数
8 S9 E2 ?  B$ P% N5 u* d2.4.3训练数据对预测精度影响
2.4.4节点转移函数
& B' v* k$ H( `+ c5 u- Y. w/ e2.4.5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
) _% D$ H, h3 V3 ?  x6 O3.1案例背景
6 m# Y0 `0 Q7 z0 S. h! I3.1.1遗传算法原理
: U' ?( I8 w( C: Y" K, E3.1.2遗传算法的基本要素
2 X6 J' C3 ?0 o/ B  T/ }3.1.3拟合函数
3.2模型建立
3.2.1算法流程
7 X% M/ {( t! [2 R3.2.2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
8 h1 R; Z/ C3 I7 f% b- x0 b/ w% o3.3.3交叉操作
" P% V( y8 H# ^  w$ |3.3.4变异操作
5 p- I0 i$ K4 c" l. k' ^5 X, j3.3.5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* a* [! F, ?( L3.3.7结果分析
0 e1 |( R1 p2 y) G1 v& ^3 z3.4案例扩展
* C- y4 N/ Y0 y& b& p2 w) u5 V3.4.1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
! z+ T. p4 L' @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
' m0 a+ M% ^& \9 M4.1案例背景
4.2模型建立
4.3编程实现
7 y) |6 i) ^( r2 f! z$ z. I6 m4.3.1 BP神经网络训练
5 w) L( z! y* u. ]4.3.2适应度函数
+ d' Z3 ^) r  K4 U4.3.3遗传算法主函数
& N5 P8 n7 ]+ q/ ]4.3.4结果分析
4.4案例扩展
4.4.1工程实例
  p; O% J3 |% J+ a2 c. H/ ~0 A% N4.4.2预测精度探讨
' L5 H, C! b. u$ Z/ r1 Q% E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
: ?; o  o2 R, o. |! C" h: {5.1案例背景
5.1.1 BP—Adaboost模型
. H/ F# r0 a8 B/ G5.1.2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
) s9 y8 I0 E4 z4 l5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
3 O. D/ R$ \9 f5.3.垂结果分析
5.4案例扩展
$ Q9 }9 \' f2 @! x' _5.4.1数据集选择
0 K8 _* w# e: j6 g) S, `) i- O5.4.2弱预测器学习预测
& I. k. O8 y! K' ]- }  d0 C& ]5.4.3强预测器预测
5 q5 b" K+ y4 e" g5.4.4结果分析
参考文献
9 q& U5 o( x4 ]0 ^2 S- O: ~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
6.2模型建立
2 J% ?2 i7 j/ b5 S7 \3 K( x- n8 e6.3编程实现
. I, ^6 D% s) \& t% U& G6.3.1 PID神经网络初始化
, c$ g4 u6 q& M# l6.3.z控制律计算
! x& g" w/ Y+ s. p4 A6.3.3权值修正
' N) f+ W$ F' S9 K& A6.3.4结果分析
" m/ t) o. Y: b. J! M2 A7 |9 ?6.4案例扩展
5 \! B- W2 A' |6 q# T/ N6.4.1增加动量项
6.4.2神经元系数
% U0 Z* c% O+ W2 {+ i; S6.4.3 PID神经元网络权值优化
- _5 e) c& D! g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
  b0 a, K0 `' m$ Z4 L+ M+ H' j7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
; R( z3 N  _- V2 P7.1.3 RBF神经网络的学习算法
7 Z) I9 U- e* A; B0 N- c1 B7.1.4曲线拟合相关背景
7.2模型建立
* I5 a9 h# C; d4 X7.3 MATLAB实现
0 S+ _: v( N8 c# M( [* j7.3.1 RBF网络的相关函数
9 V4 T) t: `, ^7.3.2结果分析
# M  d" }( l) u( S' Q6 I' B: a2 o7.4案例扩展
! W0 S7 g. U& c" L2 k$ H, Q7.4.1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
$ u1 o* m1 l) f! S" b- O+ J4 E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 r5 @% L; [& l# F7 n# }5 u$ U( p8.1案例背景
7 T. B' S, {% E( \$ S' J! u% M2 z8.1.1 GRNN神经网络概述
! f, c3 i! o4 f8 a! w8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
. G0 v! x, X% R3 }8.1.4运输系统货运量预测相关背景
4 T" s5 i1 J2 k- ?/ A: ]8.2模型建立
/ }1 X, H: ^( K8 P; N2 H' {8.3 MATLAB实现
+ p3 P6 _- k1 y- S% P8.4案例扩展
参考文献
5 N) [5 E8 W4 X: S6 H# o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
9.1.2数字识别概述
9.1.3问题描述
1 ^; U: k: o. v& E  f& a! N9.2模型建立
9.2.1设计思路
9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
) q& D* R# h  }' ^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
) [! Y& z/ ^: _+ B9.4.1输入输出设计
5 P& ?' s5 K( \7 s# T* }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
" ]( X8 L( _# ]3 Z8 o. _/ K9.4.5结果分析
3 _/ |7 X- ^9 \  a, h9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
  a# _  O" U1 |  z: O1 Z参考文献
* K+ {- \, {/ D9 {/ s( C0 b; z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
8 I# c% P( ]5 m( j/ o10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
$ \" n9 O! X' v" Z7 s& O4 }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
10.3 MATLAB实现
' ~1 W; _4 G! i. Q10.3.1清空环境变量
- j4 w7 ^+ N: ^. q10.3.2导人数据
& W2 I! D1 D& `( B10.3.3创建目标向量（平衡点）
+ q( j! ~1 L$ H# E' E, b  q10.3.4创建网络
10.3.5仿真测试
10.3.6结果分析
$ @% A$ {+ e' _) u. x8 n. ~10.4案例扩展
参考文献
3 C4 h/ S" z. c# N; e: D9 C) M第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
1 \4 H2 z" c7 c11.1案例背景
11.1.1连续Hopfield神经网络概述
# L7 O' e( ]8 _, ]+ V# Z# r2 u7 R2 u11.1.2组合优化问题概述
) A, H5 K; n3 F" \, v( H8 v" |11.1.3问题描述
11.2模型建立
+ u) E$ ^4 x  ~. p11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
6 M' M: T3 b& R* i11.3.1清空环境变量、声明全局变量
! \6 B$ H  I3 k% B1 U2 y11.3.2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
/ z2 u. `7 w$ m9 a# Z. p11.4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
12.1案例背景
1 B$ ?8 S  k) ]/ l12.1.1 SVM概述
3 f! V6 q6 |6 W3 a  f8 ?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
4 t8 Z2 }3 N& G! O12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
# O- e0 x$ m# I& U+ H3 u8 @参考文献
第13章LIBSVM参数实例详解
13.1案例背景
13.2 MATLAB实现
6 [) d9 K, b( D" C1 X. l13.3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
" w( j6 d  [: |% c& A14.1案例背景
14.2模型建立
# }' s" f8 ^" E" g" u6 F) I14.3 MATLAB实现
+ |( r' z4 @& ?* [% V' _, Y* o14 3.1选定训练集和测试集
……
2 ~; [: g( F! N% N3 V第15章SVM的参数优化——如何更好地提升分类器的性能
第16章基于SVM的回归预测分析——上证指数开盘指数预测
1 u* Q, p3 {8 J* t0 u% p6 ]/ D- j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
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
: n8 B1 i6 P: T) m9 z第22章SOM神经网络的数据分类——柴油机故障诊断
& @( y( |2 u/ q4 |, o  U& L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
- z" o  e, m, ?) z) B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
3 X( D' [  X2 }2 ?/ E- J  x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
" \. q- ~5 z/ i6 U4 a8 S第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
  e0 _7 {8 ?  Z0 T. ]7 h7 A/ _7 N第31章思维进化算法优化BP神经网络——非线性函数拟合
. v) X' s8 O5 h0 E( \: a1 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
0 a/ L0 M7 f" |  H0 w0 l第34章广义神经网络的聚类算法——网络入侵聚类
7 F0 e5 V2 O7 b! h; A) W第35章粒子群优化算法的寻优算法——非线性函数极值寻优
4 \' P: V4 X$ M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
- Y* Q* V2 X( Q- G  j* c! X& e/ y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
2 t/ F: ?- X2 ?$ m, L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
) k3 ?8 _7 W) O9 ?% T( |7 U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
9 o1 {3 f6 q0 h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。
2 ]; F# O" M! J5 a" J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。
' k4 v7 K4 P) e9 u' l" a! Z

MathWorks 中国教育业务发展总监
! R( Q1 W) R0 J2 e( c1 h$ |, ]! h8 P
  S5 m- w  Z& i陈炜博士
* H* D) T- x2 y/ a- |, v
* a2 @7 R: K9 a  I. T" Q5 S1 r2013年6月于上海

3 F. X6 S# k3 Q, ~6 z
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
5 @" f" x1 C- S& ]9 c( R( ^数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
* N) w* E& o0 p$ _: X$ \5 l. r
3 G& U. X9 a2 ?

+ e" v1 `' a8 Q