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。
  X$ C$ r- X* h9 I" v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。
2 T/ H' {* Z4 \  w; O+ l4 n8 E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。
! t( |- V# p. V

编辑推荐
( ^/ f; y# f! {' v; R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
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
+ X. a. K9 e( p- G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
. [8 G+ r. C& M$ E% f) D1.1.2语音特征信号识别
6 h& G7 j6 p, u( O1.2模型建立
1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
9 X8 a# |# W  E- C1.3.2数据选择和归一化
+ w' e. N: u/ {( M1.3.3BP神经网络结构初始化
  }; o  e+ i' a9 V$ |4 c7 T  O1.3.4BP神经网络训练
  `# Z7 G. A0 M6 a, o$ j0 ?# v4 W1.3.5BP神经网络分类
, T2 Y* j9 n/ T  Y1 |+ h1.3.6结果分析
1.4案例扩展
1.4.1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
第2章BP神经网络的非线性系统建模——非线性函数拟合
, C3 }0 T  a" o/ a1 P2.1案例背景
2.2模型建立
7 `6 [* V+ J/ k. B* n2.3 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
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
0 }; z" e$ D( @6 n) I$ L( K2.4案例扩展
* p1 N8 c; b- n& z6 B1 T1 t2.4.1多隐含层BP神经网络
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
5 J7 c/ }7 H) f/ V4 Z2.4.5网络拟合的局限性
( s" M( {3 K  I! j4 A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
/ C0 l  ^1 q; F1 N+ t  ~3.1.1遗传算法原理
3.1.2遗传算法的基本要素
  I; u0 h2 Y# N7 V+ M; C3.1.3拟合函数
! b4 J% w9 J% g4 L8 S6 O3.2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
3.3.1适应度函数
' [- K+ }3 |$ M+ C3.3.2选择操作
3.3.3交叉操作
8 \: g9 [* ^/ o: y! e1 P3.3.4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
) k" }- N& l1 X+ r- F6 h, @+ Q3.3.7结果分析
8 j! \6 s9 @& r1 J4 ]3.4案例扩展
3.4.1其他优化方法
( t4 f! Z% |6 _1 ^3.4.2网络结构优化
3.4.3算法的局限性
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
  u1 w$ A+ q6 D9 W4 ?2 A) W4.3编程实现
4.3.1 BP神经网络训练
0 M  @7 v2 J/ v  u- P4.3.2适应度函数
4.3.3遗传算法主函数
5 W& F8 \8 E3 x4 D+ m; V- z# z/ I8 u4.3.4结果分析
+ @: }/ ?6 D* n4 Q+ H" f4.4案例扩展
6 O7 c0 m. [+ ?  z4.4.1工程实例
$ ]- h* D1 V: _. j; e$ M4.4.2预测精度探讨
/ H0 W/ M3 @$ y% q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
5 F! S7 N7 I2 |2 ^, ^8 W' e5.1.1 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
5.3.2弱分类器学习分类
) M' G# K4 z1 w: S5.3.3强分类器分类和结果统计
6 H9 B6 G8 K  T0 ?  ^5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
: k+ Q! A6 s3 R7 T5.4.2弱预测器学习预测
5.4.3强预测器预测
3 J( A% g% |) L5.4.4结果分析
7 h) g/ A4 ?( n8 M4 O" W" d. K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
6.1案例背景
5 X% M$ Z! D% v5 L+ t6.1.1 PID神经元网络结构
9 n6 ]$ b! i1 G% _" a( ]: P6.1.2控制律计算
7 j# C; m* T  @8 M* V6.1.3权值修正
$ s$ Y" M& j) R. w, X6.1.4控制对象
6.2模型建立
6.3编程实现
7 s' h# _3 a3 F" N% \0 B5 R  |/ |' O6.3.1 PID神经网络初始化
  p" |# t  z' N6.3.z控制律计算
6.3.3权值修正
9 @; A8 _9 A; P$ C; M6.3.4结果分析
/ U- M/ ~1 c& u! D: t6.4案例扩展
6.4.1增加动量项
7 w! M0 _. @/ F9 s/ r5 P+ m6 t+ v6.4.2神经元系数
8 e/ r8 [1 m9 l9 U* E. M6.4.3 PID神经元网络权值优化
& h4 n$ Q; W; h参考文献
1 ^: N3 z, Y0 a4 Z1 T第7章 RBF网络的回归——非线性函数回归的实现
5 Z& T0 m# s5 F$ p# g7.1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
7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
0 Y& h% e6 B) Y, B* I: U7.2模型建立
) ]. K) H7 @. P& Y% I2 ^; q7.3 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
. o2 _) Q5 F% m; b. Z/ u( J( P7.4.1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
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
0 ]1 Y( l* A$ v2 H' l4 ]' i) R8.1.1 GRNN神经网络概述
# W  t9 d1 J3 }( Z  E. |- b8.1.2 GRNN的网络结构
3 @5 E* E* R0 G% J2 C2 J8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
8.4案例扩展
参考文献
4 |4 n" v1 u6 d: k$ [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
# c! [7 n, N; X5 f8 l5 N5 o9.1.2数字识别概述
9.1.3问题描述
( f8 j: p" T. x! `& e9.2模型建立
9.2.1设计思路
/ {$ h2 a' j2 e5 o' o9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
5 ~- k6 K/ e3 o5 B% ^5 a' U% e9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
. ~+ W) V7 p$ H9.4 MATLAB实现
  l7 z- q! y- M9 j* E5 p9.4.1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
- P0 {  N. u; }9.4.4数字识别测试
2 Z2 ?# S% J$ V% a. |9.4.5结果分析
9.5案例扩展
) k+ z, K: C0 j( w3 b9 q9.5.1识别效果讨论
9.5.2应用扩展
. w; C2 P0 l: f. z+ }6 ]) V. y$ z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
1 ?# |- u# i. {0 l  m/ p$ D10.1案例背景
! U3 |2 b/ m0 T$ M, V- S' i10.1.1离散Hopfield神经网络学习规则
' S) E. b$ I4 P  z+ r/ T10.1.2高校科研能力评价概述
10.1.3问题描述
. A  D4 B. y3 T* }4 X6 Q( O$ a# z10.2模型建立
/ {# m" _9 z. N8 i) h10.2.1设计思路
10.2.2设计步骤
) I$ c. C0 y; M/ y. I1 n10.3 MATLAB实现
( i0 b1 o# m1 T10.3.1清空环境变量
- C& K! m" H# a1 O3 u. ?) i+ T6 t10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
, n) g, a& ]) y9 q10.3.5仿真测试
10.3.6结果分析
10.4案例扩展
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
11.1.1连续Hopfield神经网络概述
: @6 x7 l2 F6 e11.1.2组合优化问题概述
! l5 |& F# ^7 |+ s3 Z11.1.3问题描述
" v0 R% G1 h7 P- F11.2模型建立
' z' t5 W3 e0 ?9 @9 R7 |11.2.1设计思路
9 f! X; t  |  K& v9 a11.2.2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
" @/ X  F6 A6 [& @11.3.3初始化网络
7 y3 \, x- t5 X11.3.4寻优迭代
- z  ~9 Q& i) M& R6 a/ q$ ~11.3.5结果输出
11.4案例扩展
8 Z, ^8 j" ]' ]7 O$ e' s! Y11.4.1结果比较
. y5 V# f- }' E& w& }/ \11.4.2案例扩展
6 _" R! C. q+ R+ I参考文献
) A0 \- v( |" L5 q5 a2 }- Z1 w第12章初识SVM分类与回归
12.1案例背景
12.1.1 SVM概述
' Y2 P$ a. X4 |: A+ Y12.1.2 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
+ I; ~8 L2 z- W; y12.2.1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
0 d9 M* T. m; f12.3案例扩展
参考文献
3 Q2 J7 G' Z; D! {" l) L, H第13章LIBSVM参数实例详解
13.1案例背景
13.2 MATLAB实现
6 h4 F" j* \# F9 S0 D1 Y" Q13.3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
3 p1 F1 T; q- S% J) z5 o  C14.3 MATLAB实现
& \; R  ^7 ~7 \1 Q14 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
: W2 F+ V, E) V/ V4 {7 n第16章基于SVM的回归预测分析——上证指数开盘指数预测
; e! i. c0 {/ y& E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
3 H% b; K, E- |8 U: P$ j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
1 M9 Z2 \, W0 z' A第22章SOM神经网络的数据分类——柴油机故障诊断
& l2 r$ O' K* V1 y6 V+ W第23章Elman神经网络的数据预测——电力负荷预测模型研究
% K" P$ V3 U& \. O( I" q6 k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
* s) j$ o3 f' {! n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
1 _$ e+ d/ I( t8 d* `第26章LVQ神经网络的分类——乳腺肿瘤诊断
* V, c# Y# H& x! S: J3 b4 p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
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
9 E5 D- k0 P/ k4 f" J; v* d) z第31章思维进化算法优化BP神经网络——非线性函数拟合
& ^* U1 O! f" s  K" L第32章小波神经网络的时间序列预测——短时交通流量预测
6 K( k- L7 j* E第33章模糊神经网络的预测算法——嘉陵江水质评价
2 _( n( [- p) v第34章广义神经网络的聚类算法——网络入侵聚类
  Q% z+ l( E' N第35章粒子群优化算法的寻优算法——非线性函数极值寻优
* s$ ~) p. E! _第36章遗传算法优化计算——建模自变量降维
3 @% {2 ]' r. h$ E第37章基于灰色神经网络的预测算法研究——订单需求预测
4 {  F( ]' C0 H8 T, t; B0 @8 O第38章基于Kohonen网络的聚类算法——网络入侵聚类
' V& d0 r" L1 m/ C+ n, E! j& p5 s/ _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
' C5 j. J) C7 I# J$ S第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
# ?& Y! p0 G) ]9 E& A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
9 ]3 ]( |1 i/ s/ u6 y' f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 }, e9 j' o. s9 m序言
0 N8 g# V/ R4 g! B$ R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。
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。
2 A- M# r6 k/ |3 U5 ~  W! F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。
9 ~; }- x% Q1 S/ m
0 U& k# `( x+ R3 c2 f
* s* `/ ^: m# y) JMathWorks 中国教育业务发展总监

陈炜博士
0 F" W/ y% k- f& ?) ?# \9 {
2013年6月于上海


$ a. T/ y, N7 a3 C0 d8 K$ u( dpdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
9 N+ K8 k7 R* V$ h数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r