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。
( f% X9 v/ B; p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。
# |: ~" r) v8 u; h( Q
; l, d+ l) m! D9 h: d" X+ }
% X5 x- j1 U& {编辑推荐
: y: H" c- X% k$ g3 K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
第1章BP神经网络的数据分类——语音特征信号分类
3 i! v# ~) _8 W' k& j- c1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
0 q- N& P# j" ~6 X1.2模型建立
3 [! F4 j& S/ B- E: I+ p1.3MATLAB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 Z  {, K) _- `; q1 g# f2 b1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
: e, k( X  j, E( h& b/ f( ^1.3.5BP神经网络分类
( e) `; q9 z  r7 S1.3.6结果分析
% v) E$ R  x* `& r1.4案例扩展
9 P% \* V: ^; c) q& E1.4.1隐含层节点数
$ z6 F" \. j6 q' }$ E2 \- p, r3 ?1.4.2附加动量方法
, C0 A: ^% M8 L* u6 x1.4.3变学习率学习算法
! {2 E- c/ M$ _) A" N5 N# P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
8 m% k  D7 V6 }2.1案例背景
2.2模型建立
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
6 h9 b( t6 b7 N% b0 h* a2 u) S. f2.3.2数据选择和归一化
2.3.3 BP神经网络训练
( C" @! Y7 Z9 p7 i  R2.3.4 BP神经网络预测
0 p$ ^4 x, F6 `* }) |2.3.5结果分析
$ q  D+ z: U; Q' h4 M! E9 z7 d) e2.4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
2.4.4节点转移函数
8 R: i# I4 K1 Z! ]3 W2.4.5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
' h, H1 ]$ N8 _2 t0 m0 p& l, b' E/ B3.2模型建立
3.2.1算法流程
3.2.2遗传算法实现
- J7 L) A" N3 w. c- v3.3编程实现
3.3.1适应度函数
& u- T4 J. r6 ]3.3.2选择操作
; E+ h! }+ \+ M8 @, u9 U" w7 j3.3.3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
3.3.7结果分析
+ J7 ?/ n% k! D2 k) q  ^0 W5 }3.4案例扩展
3.4.1其他优化方法
' ?8 X. W( a, q( n1 q  v; [3.4.2网络结构优化
3.4.3算法的局限性
4 v; @6 U: R1 a& |$ p7 R3 P参考文献
1 G; [8 w! s' @2 J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
! O4 u6 Z' ~& I/ g" j4.2模型建立
4.3编程实现
4.3.1 BP神经网络训练
( H4 E  e1 j/ `) Q4.3.2适应度函数
1 p& r  v& y! u) m4.3.3遗传算法主函数
# Q# [1 k: T# c0 l0 Q( [( s+ d3 @4.3.4结果分析
4.4案例扩展
4.4.1工程实例
& _" _  l9 Z1 U) N4.4.2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
) i) G# I/ V' S0 ]7 d  N. C5.1案例背景
5.1.1 BP—Adaboost模型
# P0 s6 @! V" ~5.1.2公司财务预警系统介绍
: N$ n1 f& d& }  A5 l5.2模型建立
, N/ g* q5 O$ S* f8 W5.3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
/ v% l' T* b1 H' m) p3 H5.3.垂结果分析
5.4案例扩展
" a$ p) q9 X( V0 n5.4.1数据集选择
5.4.2弱预测器学习预测
) [7 x* H+ f, T* d+ Z2 z2 `1 w5.4.3强预测器预测
5.4.4结果分析
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
, a1 Q8 G( O2 b. j, Y2 X6 d( n6 i6.1案例背景
6.1.1 PID神经元网络结构
6.1.2控制律计算
6.1.3权值修正
! _3 u$ {: [, I# g8 U. S: O6.1.4控制对象
& W8 k+ G$ K9 I( Q6.2模型建立
; z: ~4 }$ c1 S8 H( a0 v6.3编程实现
- m6 I9 R: b/ U$ w, f# }, K& b6.3.1 PID神经网络初始化
6.3.z控制律计算
2 w+ D' M% t+ c9 z% c6.3.3权值修正
8 K/ l+ c" u, k" P6.3.4结果分析
6.4案例扩展
6.4.1增加动量项
' [# \( Y1 g$ `. ?6.4.2神经元系数
- B! L1 X; A+ B$ d7 n1 N6.4.3 PID神经元网络权值优化
参考文献
; `, _* ]9 H4 {& B' v6 k2 U第7章 RBF网络的回归——非线性函数回归的实现
* H' j# r$ N1 @, f7.1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
) r5 U* m" I8 [/ P, [7.1.3 RBF神经网络的学习算法
4 ^6 U0 S- E. J4 b; l0 E& R# M% F7.1.4曲线拟合相关背景
7.2模型建立
7.3 MATLAB实现
8 k8 [2 w, f  E7.3.1 RBF网络的相关函数
2 J( t5 C9 v( Q4 R: n. M& G7.3.2结果分析
* V/ _$ g9 {- c' S5 I% G7.4案例扩展
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
+ W1 q1 F5 M  X$ Z# v& G第8章 GRNN的数据预测——基于广义回
5 C3 u1 c& h. G. {归神经网络的货运预测
- `" j! m* }+ Y+ x/ h9 Q8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
7 K7 O. i5 r# t0 c( Y. @) Y8.1.3 GRNN的理论基础
/ n; W/ M8 l) J8 U6 @7 L$ ~8.1.4运输系统货运量预测相关背景
8.2模型建立
- \- S& w  ^1 Q7 ^9 ^9 Y. w8.3 MATLAB实现
$ v+ x$ C# B# k3 K% r! F5 P: b" D8.4案例扩展
参考文献
7 c+ m$ |) Y+ |: T4 n+ p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
; o% N: N) w6 \8 u9.1.2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
& y# E. I( G# W8 M9.2.2设计步骤
2 Q: y+ T% y- H5 l4 o2 n3 H3 i8 n9.3 Hopfield网络的神经网络工具箱函数
( C/ B5 ^9 K0 y& }. s9.3.1 Hopfield网络创建函数
0 k, K7 }; ?6 L! y' _( w* d9.3.2 Hopfield网络仿真函数
% ?% A) j- y2 I/ D) q8 {9.4 MATLAB实现
6 c1 x# v$ F7 Y; D& T" k% G) K9.4.1输入输出设计
  ?, b9 @9 R2 F/ l9.4.2网络建立
9.4.3产生带噪声的数字点阵
2 y& P. s0 ~9 H; V+ W9.4.4数字识别测试
" Z5 |5 O8 f' P) I- b9.4.5结果分析
9 h1 |, T8 l2 Z! t. J, u5 b9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
参考文献
: U$ P7 y/ u! m% P9 J5 x8 I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
10.1.1离散Hopfield神经网络学习规则
# _) B% o7 f+ @: f/ t9 R10.1.2高校科研能力评价概述
" Q- Q9 P" @2 b% P. i; o- d10.1.3问题描述
$ V- M4 @& j, z9 {0 q+ M. Z10.2模型建立
10.2.1设计思路
10.2.2设计步骤
8 }3 \: G% Z; C. I9 W10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
& E8 H* w- [# \/ Q4 y# I( a10.3.3创建目标向量（平衡点）
7 Q: l( r1 x& m! }5 [4 P) T# j10.3.4创建网络
8 O; Z$ c1 x& d! b10.3.5仿真测试
10.3.6结果分析
$ {7 s7 Q: N! |* Z7 f$ n. |10.4案例扩展
参考文献
) l, o- ^& s6 n6 l" p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
4 G; y. {% `9 i% q+ g11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
/ v  U  G! }1 w5 |( \11.1.3问题描述
11.2模型建立
  E" {/ ^, W, F! ]5 Z* @11.2.1设计思路
" h" x+ m4 Q' t7 r11.2.2设计步骤
; N* M* ?0 ]( R/ {, v5 C# o" ~11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
; B5 T' a' o. T5 z4 g8 F3 ]) K11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
. |! f% ^3 B5 P( S11.3.4寻优迭代
2 o7 f4 h: X5 B. ~) y11.3.5结果输出
- a- t, A* i+ M( F+ Q( u! k, J( p11.4案例扩展
11.4.1结果比较
4 E. {8 n* @: Q0 w( i. r/ b11.4.2案例扩展
% `0 o3 W  R6 B3 k% `% U参考文献
; h) r+ s; g. y$ u3 W3 b- U第12章初识SVM分类与回归
+ V9 X4 l/ r( r, L12.1案例背景
12.1.1 SVM概述
# f1 q* m  m, C& O5 k" ]12.1.2 LIBSVM工具箱介绍
: E0 i" `- }; b12.1.3 LIBSVM工具箱在MATLAB平台下的安装
  z8 F3 p7 J$ V8 E12.2 MATLAB实现
& T! A! r3 p( n+ W9 |5 R12.2.1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
" ?# \* O" ~% S6 ^+ ~* Y2 Y12.3案例扩展
3 A; Q  W: x1 p/ _参考文献
$ S2 {. I9 o  i' X0 s1 X/ k第13章LIBSVM参数实例详解
13.1案例背景
8 y; B- d  W$ B* A3 `13.2 MATLAB实现
" j+ V/ F* H6 E4 t3 u13.3案例扩展
, i" J  M6 b3 r+ H/ ]0 c% C! c参考文献
+ [2 }$ u" q, N1 Z1 T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
2 {+ F. r3 ^0 T; A+ l4 b- s14.2模型建立
; i; R3 u: M; k6 v; W% Y- o, \$ o14.3 MATLAB实现
; b& J7 G# U, j/ c6 H14 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
  h9 ~8 L1 x: S1 Z# y! A第16章基于SVM的回归预测分析——上证指数开盘指数预测
8 S: E. L( i) J; D# U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
8 ~9 {2 G) p! t9 B9 J第19章基于SVM的手写字体识别
( \; b% i' s/ v1 V第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
& P! K' O6 n! S3 }# A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
$ Q- I. M0 X' v: Z+ `; Y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
  l- H0 \4 X1 g. O, r1 r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
% k! @( t  ?- |+ a' s5 r第26章LVQ神经网络的分类——乳腺肿瘤诊断
6 _' I+ M6 l* Y1 Q" T& H第27章LVQ神经网络的预测——人脸朝向识别
( m% B4 q! x4 \( M  ^2 q( Y7 e; q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
" c0 Z, g4 V( d9 ^  P" I& x0 n7 |  Y第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
- t/ o' g9 A& c第31章思维进化算法优化BP神经网络——非线性函数拟合
& Q, f2 b$ P0 Y# R第32章小波神经网络的时间序列预测——短时交通流量预测
( A2 n3 |: `% A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
* b# J( |' N$ |2 c8 o# p第37章基于灰色神经网络的预测算法研究——订单需求预测
8 r4 ?1 L2 x. H第38章基于Kohonen网络的聚类算法——网络入侵聚类
* j7 j/ A# I, h: P3 L. p0 S* e# L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
( n, d  r9 ?" E" v) N4 o' l第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
, v& n3 {7 Y. A' E1 \' Q: ?序言
8 b$ }' ^" ]) u3 O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。
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。
. M1 A  `8 A3 i; c% B- k5 {

  k& e; R* `0 k- N7 M9 J: S7 T8 T) yMathWorks 中国教育业务发展总监

陈炜博士

2013年6月于上海


9 U3 d8 `" S( T) q: v, l4 ppdf 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

, w6 I: }+ d7 r; _0 v# l; H

$ E4 D5 i3 A5 h1 ]