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 }/ ]0 p' M4 u+ H
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 \+ C1 S1 c# r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。

; g; R& [4 h# n- d& u6 Q# b
编辑推荐
0 K9 h) Y! g' Z, Z: y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 S$ ^8 T# o' n& k- E5 @, R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。
! |% F' r# {6 E) y* h4 z3 c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
5 V  ?  M  D4 K- \1.1.1BP神经网络概述
8 }  G" e$ S- ~7 r& {3 {5 i1.1.2语音特征信号识别
1.2模型建立
- Q/ P$ X$ s" r; g# ?1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
! O/ F  G9 \' L4 e3 m- q# \1.3.2数据选择和归一化
) A! a, z; ^9 J1.3.3BP神经网络结构初始化
0 S2 f% B& m) b6 A8 Y+ n1.3.4BP神经网络训练
4 u- ^$ P8 N& |3 L1.3.5BP神经网络分类
$ p  f3 I$ ~  ?1 l6 f" a& W1.3.6结果分析
9 C& Q/ P9 _4 p6 W9 n6 b1.4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
. k5 w$ V* N0 K: Z  x参考文献
8 }3 V; }7 n; Z% k/ d* G- O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
6 o0 t9 H4 [1 [' k* X2.2模型建立
2.3 MATLAB实现
9 b; T4 g- f% I" `" s+ v+ }2.3.1 BP神经网络工具箱函数
0 O0 i8 n: V/ n' n5 C2.3.2数据选择和归一化
2.3.3 BP神经网络训练
; Y2 C: P3 x+ n2 Y$ h2.3.4 BP神经网络预测
( ~, p6 \, y$ S1 Q, A2.3.5结果分析
2.4案例扩展
5 M' S7 Z% W( k" d2.4.1多隐含层BP神经网络
- q* \0 m7 U- d& v$ |& @0 r: S2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
7 d* g5 w* }5 g8 y- g2.4.4节点转移函数
2.4.5网络拟合的局限性
参考文献
9 e+ g, G+ e% K0 {! X9 Z. ]0 C# Y第3章 遗传算法优化BP神经网络——非线性函数拟合
" S4 O# N  X: `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
5 a9 O( z8 J2 d* F; R3.2.1算法流程
3 O  f( k3 E  A/ o' B( C: o. d, G3.2.2遗传算法实现
+ C& X, o2 y( I/ {  r3 y$ X3.3编程实现
0 r0 C; @' F$ g! I) H3.3.1适应度函数
8 O% G4 Y( E( x5 ?8 h* Q3.3.2选择操作
3.3.3交叉操作
6 d1 U9 w5 N) X- U! @8 C$ `3.3.4变异操作
3.3.5遗传算法主函数
+ \, f) l* W5 r# y5 U$ p2 b3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
1 U  m) H: s) y3 L2 L2 @3.4案例扩展
/ [  W5 v) I1 J) ?% i' f/ R" U3.4.1其他优化方法
) v, c2 m  {: m3.4.2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
6 P  v0 M( q' T; ^' I7 g4.1案例背景
4.2模型建立
! D. I$ z. G- Z& P) k2 k4.3编程实现
4.3.1 BP神经网络训练
& G  l+ w4 f9 k* x4.3.2适应度函数
4.3.3遗传算法主函数
8 Q: N2 i/ E* g1 I/ c4.3.4结果分析
4.4案例扩展
. D. T/ C& f& w" P$ u4.4.1工程实例
4.4.2预测精度探讨
/ W2 y% @/ q  W2 ]% `6 U' K8 y, C! 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
# Q) Y, X" {0 e" i- {4 ^5.1案例背景
5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
/ T% u& F: V* J5.2模型建立
5.3编程实现
5.3.1数据集选择
! x* M$ U6 k. N' x( G$ Y: I5.3.2弱分类器学习分类
. r6 x& J; @- U5.3.3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
0 q% v' Z  v1 V  v( h5.4.2弱预测器学习预测
5.4.3强预测器预测
5.4.4结果分析
# R0 ^5 L% {% r  A; K4 a) a参考文献
, q6 y. m) V* ]3 W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
- G* E% X. Q+ h3 F6.1.3权值修正
. A5 r3 z7 Y! V% m5 j6.1.4控制对象
& Q0 w+ X) z3 G4 k6.2模型建立
6.3编程实现
& {: Y9 ]# F+ v2 V7 M9 n6.3.1 PID神经网络初始化
6.3.z控制律计算
; L- x. Z% v  J8 @9 F6.3.3权值修正
6.3.4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
* @. h1 @% F) g( j6 a; M+ h9 K7.1案例背景
7.1.1 RBF神经网络概述
2 T9 m1 p9 g% G# U2 A3 S( |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
( M& l; v0 c* c, N7.1.4曲线拟合相关背景
7.2模型建立
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
$ X. z' e: m9 Z" F' A7.3.2结果分析
7.4案例扩展
1 k$ L" E5 F! r& y8 _, Q3 {5 D7.4.1应用径向基神经网络需要注意的问题
7 d! O5 k8 F9 Q1 d5 `7.4.2 SPREAD对网络的影响
5 {' I7 f9 N  Y: K% S4 ]5 F参考文献
2 `: P5 @8 `: p9 a7 h第8章 GRNN的数据预测——基于广义回
4 \1 z9 Q+ \! [" n, X" P) G6 I归神经网络的货运预测
8.1案例背景
, U/ m/ m6 ~5 b+ _9 C8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
. J% W/ M5 e4 `* ~! B9 ~8.1.4运输系统货运量预测相关背景
5 E; ^7 ~9 A5 V0 o" W$ y7 w8.2模型建立
$ \2 @7 n3 U5 J3 [8.3 MATLAB实现
8.4案例扩展
4 G* D/ M+ n7 E6 W! g1 g参考文献
2 H: \& y! P( `5 }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
' ~# A6 u  a; |# b- g9.1.1离散Hopfield神经网络概述
6 f* r9 [% T0 a* E9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
9.2.1设计思路
5 k. \0 {" S+ g  X9.2.2设计步骤
9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
! C" e' d1 W" i4 ]- g. j9.3.2 Hopfield网络仿真函数
2 T6 C2 {. n5 d# j, E0 Y8 M9.4 MATLAB实现
* U( q! ~/ b8 T) o/ D0 w! W+ e: l9.4.1输入输出设计
/ E6 J* f& U8 g) }/ w* [2 z9.4.2网络建立
& D9 n! Y7 j5 L+ \: y- }9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
, Y/ J: g- F& {& X- c- z- b* r9.4.5结果分析
9.5案例扩展
# z! T/ }8 ~/ y% Y+ R9 X9.5.1识别效果讨论
9.5.2应用扩展
参考文献
1 P8 k8 {9 N/ X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 V8 h( o+ d. s# ~# Y; e10.1.1离散Hopfield神经网络学习规则
10.1.2高校科研能力评价概述
% ^& P* {! Y: Q4 @' S10.1.3问题描述
3 N- Q& _. G: b2 n10.2模型建立
  y; {/ j' i# |' e10.2.1设计思路
2 p8 H% l# q" i  A" w% U10.2.2设计步骤
/ R% J4 Y& g+ Q/ x; [* w10.3 MATLAB实现
7 U5 M  v3 _4 p" A& a10.3.1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）
: y. ~) }, M1 |2 ?10.3.4创建网络
/ g- J; T+ l! Y. K10.3.5仿真测试
! h( A* K, D1 U! {6 d5 T; ~! ?5 b  ^10.3.6结果分析
10.4案例扩展
# H1 k& S: W8 v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
% d, {& I% `8 M11.1.2组合优化问题概述
11.1.3问题描述
  Z$ e; W3 a0 x" Z; L11.2模型建立
& e* ~5 v4 K/ B0 h$ n11.2.1设计思路
11.2.2设计步骤
) D6 k% Z  ~" w11.3 MATLAB实现
8 A  u: O7 i0 U+ ^# R11.3.1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
11.3.3初始化网络
; a3 w9 R2 K* e1 ^! o11.3.4寻优迭代
11.3.5结果输出
11.4案例扩展
11.4.1结果比较
* M; Z2 i; b, ~! |' f5 x  t8 [! W11.4.2案例扩展
* h( Z+ |% g- e$ O) T参考文献
  ?9 P% G* z2 j4 h) G) }第12章初识SVM分类与回归
9 y2 k' Q/ U* P  ^& `5 `12.1案例背景
12.1.1 SVM概述
8 j% n8 _. }1 ?12.1.2 LIBSVM工具箱介绍
/ ]% S+ u1 [) j12.1.3 LIBSVM工具箱在MATLAB平台下的安装
12.2 MATLAB实现
  u) r' ~- Z; \8 R" d' Q12.2.1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
12.3案例扩展
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
13.3案例扩展
  E8 f6 X, @4 a$ T" d7 d+ }+ E. k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
0 Z+ d4 g2 g( U14.1案例背景
* U$ i7 w! }6 ^: O14.2模型建立
% ]) M3 R: g$ ?14.3 MATLAB实现
! ]6 x, p* a) T1 T7 B8 c2 q! _5 c5 q14 3.1选定训练集和测试集
……
. t" h, r) f& ~6 G5 W; v% o1 ^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
3 ~* ^, S* }" v7 z) g" 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
5 w& @5 O" I; ^$ ^8 [5 s: M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
: r. |5 b% b! ?* ?. T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
第23章Elman神经网络的数据预测——电力负荷预测模型研究
: R! \3 {5 v; z, u* \  F9 u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
; Q; c9 H; t% h( E- l$ O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
6 j& t1 K& X, |) ~" @, W$ Y; o5 k第26章LVQ神经网络的分类——乳腺肿瘤诊断
+ A" e, Y% P! ]8 N5 K# |& I第27章LVQ神经网络的预测——人脸朝向识别
. I0 t- h! X1 K8 Y/ A9 X5 }第28章决策树分类器的应用研究——乳腺癌诊断
  b  R4 t5 W! A! u9 X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
' j# Z+ c8 \( B# d4 a3 J+ e第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
2 f  M9 q" z' p/ _8 C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
' Z. m4 J7 X! j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
! i2 m7 f2 w4 M! l0 u$ U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 M6 c; Z- e8 s4 `; M0 Y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
2 p" _# P, Q$ t第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
* m8 A0 e- @7 v8 w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
) w5 ^: T- h  g& h0 }1 W, X* u第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
) p7 y& Q3 \+ ~序言
序言
: B# A. r4 C7 s5 s" T$ j; D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。
% B( f# L6 Q' H) A+ i$ A# r7 [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。
5 f5 a" w7 d4 ?! y- f
$ I1 ^* Y% F4 s+ L
4 g6 B- u" w9 F6 p; HMathWorks 中国教育业务发展总监
  I, p% c1 E! ?+ Y, b# ]6 t
/ P- G) k% Y% }7 g; o& J陈炜博士
, E# k" ^8 x; V' J$ K3 U- m
2013年6月于上海

  S6 a# y# F8 C/ e" L+ A
# v/ }7 @' j( g5 Q) O% mpdf 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


& s: ^' g) p9 p% H6 w( Z
9 J( q+ |  N: @/ p0 u; V