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。
. k( i: B* L  K4 |" j
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。
' p7 ?1 N0 t3 l/ m6 F; L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。
3 [+ o: @5 M! {+ [$ F0 j
  D3 [9 p! t& c" q, Z  @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。
4 a6 `# |) s0 t2 s% n

编辑推荐
, E: G1 E7 x+ O" E/ X: p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。
# [; N  X7 }7 ?6 }1 u) _7 ^% p4 A0 {1 p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。
; m" N+ k; A5 G% U' O) b# u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。
; D" l% v- D$ O目录
第1章BP神经网络的数据分类——语音特征信号分类
/ r# j) D1 z$ H% Y* z* Y/ C1.1案例背景
; W/ S+ o1 Q7 y1.1.1BP神经网络概述
/ |4 M& V; v, D$ u! s! o$ _1.1.2语音特征信号识别
1.2模型建立
7 ~# T+ m- _1 x7 V1.3MATLAB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
( U; V& h$ e7 }5 M7 u) y1.3.4BP神经网络训练
1.3.5BP神经网络分类
1.3.6结果分析
7 N* ~" l- U- O: S$ S5 x1.4案例扩展
1.4.1隐含层节点数
1.4.2附加动量方法
) p) X) @1 {, {' b( G1.4.3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
/ l2 Q: `) t3 N9 @2.1案例背景
! \3 D4 U4 A, `# }9 z2.2模型建立
. W1 {/ ?  j( L8 |& k+ W2.3 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
9 \; K' g; E, i) z" W  D  b2.3.5结果分析
. j, F1 A; ?( A+ c8 F2.4案例扩展
2.4.1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
, }0 Y) T( E! V2.4.4节点转移函数
2.4.5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
, U" i( x" v( t# B# a  V$ M3.1案例背景
' S( I; O& K. \; f3.1.1遗传算法原理
$ S3 A/ I* c( Q4 k7 ?, a3.1.2遗传算法的基本要素
$ t$ a, ~+ A3 e! I6 L. v3.1.3拟合函数
) M+ ~( y2 Y: l1 z7 v4 I3.2模型建立
3.2.1算法流程
2 o! Z1 u) \  ^% S3.2.2遗传算法实现
1 t3 c) H1 P8 Y1 W5 H/ e. L- Y3.3编程实现
3.3.1适应度函数
3.3.2选择操作
3.3.3交叉操作
3.3.4变异操作
( z- ^: }& p1 G2 `8 \7 H7 ]3.3.5遗传算法主函数
: Q; z: e# i! x% e, N  e3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
9 ~. R0 R2 ]5 t; e, f* c+ W- q8 ]3.4案例扩展
8 V. H$ R: m( I7 I3.4.1其他优化方法
3.4.2网络结构优化
0 B9 q+ I& K' y3.4.3算法的局限性
参考文献
/ |/ ]0 H" F. a  b  g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
1 J# ^# R# [5 ?% _+ O# O4.3.2适应度函数
4.3.3遗传算法主函数
4.3.4结果分析
# W9 k* b" g' G) I4.4案例扩展
4.4.1工程实例
4.4.2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
5 c7 z1 J, t' x( e7 K. {5 |3 s* i5.1案例背景
5.1.1 BP—Adaboost模型
, }+ y8 ?( \: e+ w5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
6 f0 a; O2 B9 N* q; c6 ]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
* m0 M" O/ V  ?5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
$ i0 ]$ E; E' g$ i3 j  g5.4.2弱预测器学习预测
" z$ e0 `: J5 s4 c5.4.3强预测器预测
5.4.4结果分析
$ a/ I( R) a% F* S参考文献
5 g+ g" w6 }9 [( w$ F9 a- a8 t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
" K- H2 P& m5 t' t5 D' c2 a6.1.1 PID神经元网络结构
3 ^, U, v: h) t) R3 Q6.1.2控制律计算
( L# u6 g# R, A4 c& S, @3 I+ f# U6.1.3权值修正
6.1.4控制对象
6.2模型建立
6.3编程实现
0 B8 V# u& }3 y0 e6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
" q6 Z  ~- m5 B; ], i6.3.4结果分析
# }( W4 h- L' t/ P- Y& t, Q/ ?6.4案例扩展
9 L1 C* i: ?+ l% H6.4.1增加动量项
6.4.2神经元系数
% U5 J2 O0 w  Z' H( y8 e6.4.3 PID神经元网络权值优化
参考文献
9 H% g/ `$ y* J+ D" \9 d第7章 RBF网络的回归——非线性函数回归的实现
  x7 \/ o# w/ q7.1案例背景
' s/ e2 r: r/ f/ n0 q7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
6 J5 E( w& ~, p% l/ y& h; p8 {& F7.1.3 RBF神经网络的学习算法
7.1.4曲线拟合相关背景
9 }0 j) Z" p# J7.2模型建立
7.3 MATLAB实现
9 j: e7 A, o+ L4 c1 z; [7.3.1 RBF网络的相关函数
7.3.2结果分析
7.4案例扩展
2 S3 N( V% ^) ^9 `4 n7.4.1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
  Y, V) m0 j. o$ W8 B; [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
; l$ k8 N$ P3 z1 S6 R8.1案例背景
) M# \  r% A  p/ X8.1.1 GRNN神经网络概述
  k# x$ d9 O7 E& M1 x+ y0 {& j4 E8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
" g: X- H; v8 d" m8 L5 x) Q& d7 A8.2模型建立
' [: U6 \; \5 z! o2 J8.3 MATLAB实现
8.4案例扩展
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
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
  [9 w* j4 ?. f& l8 b7 X9.2模型建立
9.2.1设计思路
/ F& g' f8 L1 J4 r' k1 [- W% l9.2.2设计步骤
4 b5 O3 I+ n" L. h  ?' M  V. u, K7 ]9.3 Hopfield网络的神经网络工具箱函数
' X* N2 ?& t7 l$ z9.3.1 Hopfield网络创建函数
3 ^( u, y: l- G4 w0 Z+ j5 v9.3.2 Hopfield网络仿真函数
( k, \/ V7 ^; U) e! H) B1 C9.4 MATLAB实现
4 |* i$ t, c# ?0 c0 ~3 x9.4.1输入输出设计
& A9 H6 A5 n+ ?% y9.4.2网络建立
" L: _2 O7 K9 y8 B8 \6 U" L9.4.3产生带噪声的数字点阵
7 B$ M5 N3 Z$ h% Y, v. o: l( o/ C6 ^0 [9.4.4数字识别测试
9.4.5结果分析
+ K* M# K$ n8 q" f: Y: f9.5案例扩展
; w! H3 ^9 N7 x- K6 |, u9.5.1识别效果讨论
; ^- A1 ?# p% h9.5.2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
# d" n4 [  Y& h. K/ M" D5 ^10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
10.1.3问题描述
2 R- t4 y: @& o  p10.2模型建立
) m( j* K' q9 _6 C8 T10.2.1设计思路
10.2.2设计步骤
8 n* T/ z7 c! k10.3 MATLAB实现
1 t2 B, g9 x. s6 a- m7 Q10.3.1清空环境变量
# h6 u) \3 z/ W10.3.2导人数据
10.3.3创建目标向量（平衡点）
  t+ g! ?9 Z% ?: ^10.3.4创建网络
3 F$ ]) v% d: f. ]' s10.3.5仿真测试
6 J- }1 K! `# I$ S' a* ]10.3.6结果分析
. j; C! m9 w  Q+ a' [5 Q10.4案例扩展
参考文献
& ^; c# W# Q# x' D) v第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
0 \' G1 C0 G  T, P  _; s- K11.1案例背景
6 w. n( ?$ J- F4 w% G11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
- a8 P+ W0 S% M; O11.1.3问题描述
/ U* z" o9 E8 I3 l/ Z/ D% s11.2模型建立
7 Z% f" x4 {- ^$ Z+ C/ V0 i% r! I11.2.1设计思路
+ k3 ?8 i) l1 `! j# Z$ l11.2.2设计步骤
1 @) `' o& ]' }( I8 }) P11.3 MATLAB实现
. |& @8 `. I: U11.3.1清空环境变量、声明全局变量
9 X4 H, s/ j8 x% N- [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
11.3.4寻优迭代
- S% y9 z1 H$ D8 f$ m# x, p11.3.5结果输出
11.4案例扩展
11.4.1结果比较
. X  R2 m* v2 i! s: b# Y11.4.2案例扩展
3 ?, n4 t" O! x) z! |2 c2 C# I参考文献
9 J% d, t" Y1 R7 e, {2 s' j第12章初识SVM分类与回归
2 w/ L7 _% z0 U1 p! S12.1案例背景
9 p# _2 I  J0 E12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
8 T8 G  T/ C# f5 O- ?0 U, a2 u$ Z12.1.3 LIBSVM工具箱在MATLAB平台下的安装
12.2 MATLAB实现
& ^8 o% ~0 U- v7 M1 J. R" K12.2.1使用LIBSVM进行分类的小例子
  J6 }) W& s9 b$ g12.2.2使用LIBSVM进行回归的小例子
12.3案例扩展
4 {. e& z' ~( U% K+ }2 Q" E参考文献
( L" J  A, `5 G第13章LIBSVM参数实例详解
13.1案例背景
0 H) v% }% s* |$ v! g13.2 MATLAB实现
13.3案例扩展
参考文献
6 f. D3 Q; @5 `4 J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
8 C5 W8 Y- H- j- ~6 c! o2 X: p3 K14.2模型建立
' m8 D# `: l- ~- J14.3 MATLAB实现
0 X+ r: a9 W9 ?! p: e8 P# @7 c14 3.1选定训练集和测试集
- ~& K: f) J4 h2 M% f……
第15章SVM的参数优化——如何更好地提升分类器的性能
5 P% _4 L2 r3 a8 o8 S5 h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
' Z. _) e5 t% T% D1 z" T第19章基于SVM的手写字体识别
9 j. z. O! b7 E  D第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
) b& V' C$ L7 R) v7 x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
+ Y/ {9 k0 G2 v第22章SOM神经网络的数据分类——柴油机故障诊断
- |* v" k8 Z# b" w4 H/ N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
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
4 ~, Q+ ^  X2 N. h0 s9 @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
! ]+ o* l: `7 l6 p第28章决策树分类器的应用研究——乳腺癌诊断
' W, Y) x/ _0 r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
5 B+ L& n- l2 z* _! C5 x) F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
第32章小波神经网络的时间序列预测——短时交通流量预测
0 @) R# o3 u4 W  @4 E+ V第33章模糊神经网络的预测算法——嘉陵江水质评价
# y1 E' q4 V: D* ?! I第34章广义神经网络的聚类算法——网络入侵聚类
# [4 q4 r& J/ S- Z第35章粒子群优化算法的寻优算法——非线性函数极值寻优
" ~' L/ ?& {4 }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
6 m! r/ n9 d9 W' K1 w2 R第38章基于Kohonen网络的聚类算法——网络入侵聚类
) ^( J+ h, w2 C6 A" j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
7 j1 {* ?7 f% g- X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
) I$ v: o3 w3 N8 l; u' ?1 B序言
+ R( c& f/ u! z; h+ M7 M/ J序言
& [% w& j7 B' j9 Z# O; f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。
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。
+ x" J: [, f# v; B8 a

MathWorks 中国教育业务发展总监
4 L, e" S; R; U6 h
陈炜博士
, c- g4 O' f( b3 q& r
2013年6月于上海
; ]  r$ S  \  q; o
0 G/ V; K' O; }0 C" [5 e& i4 o
pdf 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
& }! f, A. ^- L+ M$ F$ ?: s
0 M4 P! Z, x- c4 V0 H5 i
& T" E( O% e& g- h$ s3 @8 |- b