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。
1 C7 p, E0 V% K& [9 T: E: E
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。
5 i: x3 ]/ m$ s% @
+ F+ y4 g; t9 P. W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 ]) r5 {/ T6 m, ]6 P

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。
$ V) A9 T- l* ?& M/ z! y/ ~. l4 e, r作者简介
. L, A5 a, s8 V  {6 d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
$ q) T& i! ?- |! `1 q: n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
' h2 \) m  U# O$ b6 ^1.1.1BP神经网络概述
1.1.2语音特征信号识别
" @# F8 |1 D8 A  ^1 a, h$ r2 `1.2模型建立
7 G8 p* |3 |* C; v6 W1 L2 B( j1.3MATLAB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
9 q, |8 Z) o* N/ E6 R1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
% c+ {1 W6 z/ X" T7 K# _. D1.3.5BP神经网络分类
7 c# l$ l" Z4 {% f: n1.3.6结果分析
1.4案例扩展
: s+ Q( U. e. h9 Q, _1.4.1隐含层节点数
. J& o3 g& z! @2 P1.4.2附加动量方法
; T3 B, o9 J9 w" n- m! S) r1.4.3变学习率学习算法
参考文献
( L, B1 b! K7 r4 H' ~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
2.2模型建立
) r" K1 V2 R7 }4 W2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
" X. Z( S# D- m2.3.2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
2.3.5结果分析
$ k2 [6 G# \! I2.4案例扩展
2.4.1多隐含层BP神经网络
% Y7 H$ S  D3 m  Z3 A2.4.2隐含层节点数
: ?; g# Z" M4 J8 k! L5 ?2.4.3训练数据对预测精度影响
7 w& Z+ U/ O' @. R, p5 U; V2.4.4节点转移函数
6 w; k8 q( W, ?+ g: Z2.4.5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
3.1.3拟合函数
7 H4 @# m+ y8 r7 d+ _3.2模型建立
7 k2 d% V! V1 X) }! l: E4 Y  z3.2.1算法流程
3 J4 B0 S# |% S8 Y* y. L, ]$ Y3.2.2遗传算法实现
3.3编程实现
3.3.1适应度函数
" p5 X7 P$ v7 k0 s1 Z3.3.2选择操作
3.3.3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
5 \/ w2 t9 N) X7 O4 C7 @3.3.7结果分析
4 F  E) e0 l* _2 \3.4案例扩展
3.4.1其他优化方法
! U* e0 N3 F1 O' Z1 T0 n! B1 O3.4.2网络结构优化
3.4.3算法的局限性
+ v" s1 X* m, x7 p; c+ }! {$ x0 V3 m) R参考文献
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
4.3编程实现
4.3.1 BP神经网络训练
- c% d) u# M. }" z6 y) o: i1 ]7 v4.3.2适应度函数
4.3.3遗传算法主函数
4.3.4结果分析
8 B9 W3 O) ~5 L, I9 S) l+ V4.4案例扩展
4.4.1工程实例
+ Y/ M2 G  F9 e4.4.2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
( H# |# L3 _' Y9 ~$ i9 @5.1案例背景
5.1.1 BP—Adaboost模型
% G9 e; s$ n; E" Q/ D  {5.1.2公司财务预警系统介绍
5.2模型建立
! f1 W: E* t4 T$ D* p5.3编程实现
5.3.1数据集选择
5.3.2弱分类器学习分类
) g4 O, W8 F2 ~4 a0 T' s; 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
/ q: X; u; z2 x- q5.4.1数据集选择
5.4.2弱预测器学习预测
' e0 x) W! z+ K; K( P5.4.3强预测器预测
- Z3 c& Y0 F* u2 T* i2 p( g5.4.4结果分析
( j: ]4 D+ M9 H+ a. i+ J$ y& a! l7 ]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
0 ?/ r" Y4 C+ K0 i$ A8 N. D6.1案例背景
1 }) I* D3 |2 I; B6.1.1 PID神经元网络结构
* Y2 }- r! U/ n5 k$ ]5 s, v6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
: w$ i6 B2 l! U+ S5 `8 c6.2模型建立
" w0 D" C% _' @6.3编程实现
6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
  x. y+ P3 |) ~5 v6 H% l) K: _0 H, H. d6.3.4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
6.4.3 PID神经元网络权值优化
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
5 n# T( k2 P8 b  c# i7.1.1 RBF神经网络概述
" `7 J; H' u1 }. d7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
, y1 z& F( }5 w7 O- w6 a1 S7.1.4曲线拟合相关背景
5 d; E  N& }5 r! A6 ~4 R# Y7.2模型建立
+ \* W" f$ i( q) c) o- Y$ M6 }2 ^7.3 MATLAB实现
7.3.1 RBF网络的相关函数
8 O1 P' o- ^, d- y7.3.2结果分析
7.4案例扩展
( w2 |: {8 h+ U1 u& C4 \$ S7.4.1应用径向基神经网络需要注意的问题
, Z! @& \0 i! |3 P. j2 T/ o7.4.2 SPREAD对网络的影响
参考文献
) C8 a0 z: Y- i7 I! R' D& [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
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
; H. M2 L1 q/ z  z: q8.1.3 GRNN的理论基础
7 ^4 [7 C9 M- H/ A# s8 [" w1 `8.1.4运输系统货运量预测相关背景
2 \5 o& @9 a' V$ e- {0 G( y8.2模型建立
) t9 s* m7 G+ K8.3 MATLAB实现
  g" n0 w' ?. ^3 ]7 N! t8.4案例扩展
7 e5 i; u6 R9 d/ d9 y* j参考文献
8 P: K$ u* a8 e% I5 N第9章 离散Hopfield神经网络的联想记忆——数字识别
7 _0 k8 k6 ^3 p% f$ A$ a' g8 T9.1案例背景
4 P+ d2 o" E; U' w9.1.1离散Hopfield神经网络概述
$ q, R) }6 s0 {' H2 i9.1.2数字识别概述
6 ^5 S; z) w* r( x8 {4 p4 I! s9.1.3问题描述
9.2模型建立
9.2.1设计思路
9.2.2设计步骤
6 ^, u: z9 s; T, ^! r4 e; h9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
& D4 J% ]7 B2 }# }2 E1 k) y+ ?9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
; q. Z3 p0 B0 x4 c$ S) y+ @9.4.1输入输出设计
1 H9 n* R3 s) e$ y: `$ N9.4.2网络建立
; j  n3 d  w( v7 W+ q9.4.3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
. N; @3 j- _5 v9.5案例扩展
' ^9 ]& W) @1 c( V/ S; ^( P2 p$ z9.5.1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
+ n2 l* T2 i4 `1 ~% W$ r10.1.1离散Hopfield神经网络学习规则
! u2 l$ C9 l4 E# F4 t10.1.2高校科研能力评价概述
7 i5 Y& H; J, E10.1.3问题描述
, m# v$ P; {" e# b10.2模型建立
10.2.1设计思路
10.2.2设计步骤
) G/ x( ?* S( o( }" M" f+ a, \! K10.3 MATLAB实现
+ c% t: s% E, H* P2 a/ B) T# D10.3.1清空环境变量
10.3.2导人数据
10.3.3创建目标向量（平衡点）
7 i, a& W# F& l; H  U; U10.3.4创建网络
9 c5 J& ^. @% P4 t# _" ~) [10.3.5仿真测试
10.3.6结果分析
10.4案例扩展
0 i0 a# D6 o3 \- p+ P$ f( y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
7 O3 b# A- ?( \* I6 Y11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
) w! [% L( B0 ^% u" _& L11.1.3问题描述
1 B7 Z1 k* _) @0 t( S: b4 k  F11.2模型建立
4 U: `/ S  S8 k1 @11.2.1设计思路
8 d! ^! A5 u! b+ `; [) I4 g11.2.2设计步骤
11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
4 S8 j& c* o" v2 y2 z' d: m11.3.2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
: L  W4 q% F+ a0 W* r  h( O8 T' A11.4案例扩展
11.4.1结果比较
11.4.2案例扩展
4 c/ y( X: c: [; \' w4 Q; E1 {参考文献
, \" Y( X! X& k7 A$ E5 X第12章初识SVM分类与回归
1 H6 r! ?# O% G9 [+ x12.1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
# H  w% W; b) t9 Z12.2 MATLAB实现
+ \0 N& v& [, T5 D1 c8 e12.2.1使用LIBSVM进行分类的小例子
  [0 Y6 y% R- V! J! Z# O12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
8 u5 N( ?' ]  a0 D! U# A7 P: }# M参考文献
第13章LIBSVM参数实例详解
9 B* c, w9 \( Z3 F; n: i9 d, R+ u13.1案例背景
: G) A* n  V) c7 X3 }0 E7 V$ h% _13.2 MATLAB实现
/ N# F# _4 g; S2 u  }13.3案例扩展
参考文献
+ J/ j6 ^. K1 s3 z1 [& L第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
: l) _( \4 \0 o3 ~9 k5 @; v14.1案例背景
14.2模型建立
, ]3 A# f; z5 i14.3 MATLAB实现
14 3.1选定训练集和测试集
; [; o" |7 q# V……
% \! \6 x( g* D  V第15章SVM的参数优化——如何更好地提升分类器的性能
  {; u% J' B# r3 ?* n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
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
$ `4 [: Q$ t- @4 ~第23章Elman神经网络的数据预测——电力负荷预测模型研究
( ~& E* B2 h  n1 f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
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
5 H. L2 p) I# [2 |/ b) X# H) {7 @& L第28章决策树分类器的应用研究——乳腺癌诊断
  ]1 j2 A' N5 a/ a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
# E' \  p# X' y$ G第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
) Z# t; f& S. Z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
第34章广义神经网络的聚类算法——网络入侵聚类
$ ?- h" ^0 v. p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
第37章基于灰色神经网络的预测算法研究——订单需求预测
# B) C9 J* _; Q. o9 f3 w# K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
% e  a& W8 D/ j/ E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
  E" _9 ]2 h% b# E! I( [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
序言
. S* @% L, ]" a. g8 l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。
4 z! X" v  C: `" X$ D) \2 {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。
0 ?- [" F1 Z! |. U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。
, x- M+ x6 x3 U. P7 k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。
/ `9 L/ h( s8 {  u! o4 L$ B+ D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。
: n3 g# O' s9 m5 q" [

8 R3 o! y/ p+ k* MMathWorks 中国教育业务发展总监
5 w: z/ [6 K( Q3 Y; e6 {4 c% ?
$ B" L3 k2 ]$ k- l  D! O, |7 ^陈炜博士
, ~8 A' e5 d% P2 L- `
2013年6月于上海


5 [( }) ?, m, P) |+ r: m. b& epdf 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

5 v! E0 P! {# \* F/ C0 a* R( j
; F# a5 K5 c- S! P) a
; _, H% x  a; V. V8 z