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。

: L- \0 A9 g8 _. R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。
0 _, o" R/ Z- l9 G" s6 ~3 n4 \# 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。
) |1 l! g  ?* y" K1 i$ D
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。
' n# [5 r2 a# Q

编辑推荐
- i; n; k8 Q5 D, V. V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 g. A  p( P  x, o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
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
' l; k1 m" q  \) H" [1 X1.1.1BP神经网络概述
& d+ U5 y4 W/ T- ]& |1.1.2语音特征信号识别
1.2模型建立
( v8 G( f+ O( q% U5 _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
, F. q' l7 b/ }" e2 Z1 Y1.3.4BP神经网络训练
# o& M8 x/ ]# S: l+ b+ w  m2 u1.3.5BP神经网络分类
" u2 E. }- F' i9 Q2 a1 E4 a+ b1.3.6结果分析
1 B# D2 B" J0 g1.4案例扩展
, S9 V. n/ c3 h0 h/ @2 c2 U: S6 W1.4.1隐含层节点数
1.4.2附加动量方法
4 ]( V: C2 K3 o& S4 {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
- k7 o- J9 I5 u0 M+ s2.1案例背景
2.2模型建立
5 A* |& ~. d+ L3 }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
" V9 |5 g* \4 S# m* ]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
' u, V, B6 {: j* A  e4 \& @2.4案例扩展
4 Q5 t( ~& B) u- y5 H2.4.1多隐含层BP神经网络
4 w+ E( R1 q/ m4 W% {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
. b( A' A$ Q" Q( X2.4.5网络拟合的局限性
参考文献
+ [' z4 s0 l4 E; a* J! n1 E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
3.2模型建立
" D* L% a: n! z" K3.2.1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
3.3.2选择操作
: y6 ~$ W1 c) m- ?( l5 ?; E% F3.3.3交叉操作
3.3.4变异操作
" I( e1 |; W) W. M& [& L3.3.5遗传算法主函数
  ^3 @3 g* y* V# S" y3.3.6 遗传算法优化的BP神经网络函数拟合
& ]* k: X4 Y' }$ ]* R3 z4 a3.3.7结果分析
  A0 f" Y) J6 u  v: G8 X3.4案例扩展
% ]3 ~- T$ D% K/ f% T3.4.1其他优化方法
3.4.2网络结构优化
# D3 F/ {2 J% C' |3.4.3算法的局限性
参考文献
6 t, I0 V) U$ \: @( ?" `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
5 K9 J# O( s/ {: }4.1案例背景
& z' z, S0 Q9 |# O* u4 V1 ?: E4.2模型建立
$ Q/ U) X+ [0 F& c( ?4.3编程实现
5 b6 o. k9 m% q0 k4.3.1 BP神经网络训练
% \% H$ N8 u7 X+ L8 z4.3.2适应度函数
: r& r  p4 a( u+ d! v+ Q& C' a4.3.3遗传算法主函数
: r" s0 X# G" V" n4.3.4结果分析
4.4案例扩展
# q2 _& z) u  c# G3 U! y9 c4.4.1工程实例
4.4.2预测精度探讨
参考文献
# q* o! ]/ x( m! ]3 q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
. h5 l+ d+ l- [/ i8 ?5.1.1 BP—Adaboost模型
8 g) c2 M8 [7 m, k5.1.2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
5.3.3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
+ ?9 g- T3 ~/ a+ C$ @5.4.3强预测器预测
% H2 P1 `+ o; o  b  i2 {' W* _9 F, M5.4.4结果分析
参考文献
" B1 j# r+ Y: d6 p, }$ `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
# U* U/ y( S+ ]6.1.2控制律计算
' ^; B0 p% ]. q  v) Q6.1.3权值修正
9 d# c6 g) a( w6.1.4控制对象
6.2模型建立
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
! k" [, C$ ~( P* K. ^6.3.4结果分析
  t: H6 U0 Y# J: W( P6.4案例扩展
; `: {+ r+ g; g" e# L  V6.4.1增加动量项
  l5 P. N5 S2 i  Y6.4.2神经元系数
2 P' n: Z! H) P* j5 ^1 e( d6.4.3 PID神经元网络权值优化
参考文献
: |1 `% n6 \! b6 A第7章 RBF网络的回归——非线性函数回归的实现
& }; a+ \3 K' D0 d4 s7.1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
( L, {8 g4 d' F$ z+ @9 c7.1.4曲线拟合相关背景
  T5 @* ~& w" y  O. r% M" C" m0 w7.2模型建立
. ~+ j4 [6 b# t5 n7.3 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
( i  }, ]% e- T6 O  B8 @7.4.1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
1 F  g# s& D" n% l第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
$ I) u( N; v$ q% X" }& P8.1案例背景
  a, \% A( |) O! Y3 \- s# C% b# {8.1.1 GRNN神经网络概述
0 D2 N, V8 M' Y! M+ M1 q% X* O# r$ B# [8.1.2 GRNN的网络结构
* M: i% A* U/ b% V1 q. K8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
: q0 P; w  u9 }# j8.2模型建立
8.3 MATLAB实现
6 d% ?+ R: y- z! c8.4案例扩展
4 [5 r) j1 V9 `* _. Q参考文献
9 I2 E* c8 @; \+ q5 S/ X1 z6 g: V第9章 离散Hopfield神经网络的联想记忆——数字识别
6 U7 @. o0 a* x3 e- I9.1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
8 ]' u, |  c$ c3 U5 `" x1 r6 e2 I9.2模型建立
9.2.1设计思路
3 C- Y) ^  @5 h: o, e9.2.2设计步骤
% E2 v! K# v5 F; B% G9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
, r8 N+ v1 n4 l# b$ n9.3.2 Hopfield网络仿真函数
% \2 u: l1 P# E: P9 O9.4 MATLAB实现
9.4.1输入输出设计
9.4.2网络建立
" v: r1 [$ F+ @0 l% ~1 b5 @9.4.3产生带噪声的数字点阵
7 g* c2 G* }1 i- d2 L9.4.4数字识别测试
9.4.5结果分析
. l. F, V& |4 ~. |) V* J9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
0 z! ?4 B) K2 D% a1 H5 y# @1 ^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 T% ?/ s$ S0 b2 s0 x  H' c+ G10.1案例背景
10.1.1离散Hopfield神经网络学习规则
4 [( X( w6 n1 E) L0 p* X10.1.2高校科研能力评价概述
. W' k2 T# `5 N9 q10.1.3问题描述
10.2模型建立
10.2.1设计思路
% P, [) T* j% g& L% ]$ j8 _' y10.2.2设计步骤
7 Y: z* C$ N" P$ P: ?1 \( J' W10.3 MATLAB实现
3 q! M' ~+ T/ ~( f" e! v' S: H) Y10.3.1清空环境变量
; u! Y4 B- ~% e9 I2 t6 p( [10.3.2导人数据
10.3.3创建目标向量（平衡点）
1 g* S# x# Y. U: _9 R9 v10.3.4创建网络
$ B1 b8 c& g0 y# j10.3.5仿真测试
10.3.6结果分析
10.4案例扩展
参考文献
, K$ {6 Z, ^! K5 C$ s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
/ C* K' O+ P6 f& [! a5 `6 {) O7 i4 P! z11.1.2组合优化问题概述
11.1.3问题描述
3 S! m) b( p& S$ [" [: i. V11.2模型建立
  P7 N. ?6 o9 \$ l* c: v11.2.1设计思路
. _' I. W, e$ W& r* k1 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
$ U3 d% B1 J- Y; n11.3.2城市位置导入并计算城市间距离
  b  w: G0 N" q- O- U; ^( J1 L11.3.3初始化网络
11.3.4寻优迭代
11.3.5结果输出
11.4案例扩展
11.4.1结果比较
5 F; @# @1 J& ~11.4.2案例扩展
* \$ S, }  g7 ]& T9 d4 r参考文献
第12章初识SVM分类与回归
12.1案例背景
9 g+ U2 I5 W% G  I4 U  j; _' ?12.1.1 SVM概述
) a. h! b1 o% V! b12.1.2 LIBSVM工具箱介绍
( }9 Y- j( [: t12.1.3 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
& m, @: \( S4 W12.2.2使用LIBSVM进行回归的小例子
& ]# Z  o, K3 {12.3案例扩展
3 Q1 S! {5 N$ B+ K' y" i参考文献
7 H# V7 y/ {  D; P  U第13章LIBSVM参数实例详解
13.1案例背景
  _  N8 ^8 q; w0 d13.2 MATLAB实现
13.3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
+ y# f4 v. c! {  S14.2模型建立
2 F7 K1 N% V9 o3 A" |9 }/ o14.3 MATLAB实现
14 3.1选定训练集和测试集
- {) @* \: A) J& }$ r……
* _  L8 _6 ^, M- n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
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
  {" o0 t7 A. v第19章基于SVM的手写字体识别
8 @! K7 g4 s, {- B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
5 m2 E! z( W7 n; P6 u! Z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
; o  c0 G1 w4 ?. q5 O" f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
第28章决策树分类器的应用研究——乳腺癌诊断
! O9 w5 p2 [; A9 q0 K8 Q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
2 I! a4 C/ e/ _  u6 _8 E* n( R第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
/ s1 ^7 a2 `: q( U* O2 [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
7 A  {* Z; c8 s+ |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
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
2 V3 y# P7 k% W5 O第37章基于灰色神经网络的预测算法研究——订单需求预测
: U( O8 u* g( l8 L' D第38章基于Kohonen网络的聚类算法——网络入侵聚类
4 P, G, w& A, m, o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
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
# l6 b5 R8 e4 o$ X4 s. ]* G第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
2 S4 P8 n( d! Q* s序言
8 Z- D% l2 ]3 l% z: T. \序言
: ?) t3 d8 ]+ n( p/ J% 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。
( @2 q. Y2 [/ e) }: @( Z/ U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。
7 T) C. V3 Y& s1 E; |8 ?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。
6 @% T2 F% X- Q, Z. ^( u

MathWorks 中国教育业务发展总监
! g. L0 i1 F' _* c9 K& i; z6 l* \4 y
陈炜博士
9 K$ C; F1 [7 d
. w+ ]% Z. f0 E2013年6月于上海
% Y+ f' H# U( R
/ k; k6 {3 P  C3 e" Y
0 i3 f& F! X& _5 P, ~4 c1 P0 |pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
7 t. W1 ]/ E) k3 O0 _3 i数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

2 M0 t- z8 f, ]% |
$ b, Z! B! D3 q# y1 `) T