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。
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。

. M2 ]9 ]" C# K6 G* G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。
/ I+ w: w9 t, U4 w
4 M, b- n7 h: F7 ]
( c+ |. N: V  P4 m编辑推荐
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
; C: _+ z$ G+ L9 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
) A) Y( J3 u% u1 ?$ k% p/ J第1章BP神经网络的数据分类——语音特征信号分类
3 D% w# T$ C5 I1.1案例背景
: e0 N/ V* Q2 a1.1.1BP神经网络概述
3 U' a. H* Y  Q6 o0 S" h. }. s1.1.2语音特征信号识别
& p& P9 c4 r; k" ~& M1.2模型建立
1.3MATLAB实现
5 N. N- c0 \5 g9 J3 L1.3.1归一化方法及MATLAB函数
, T8 }( @% v1 U$ u" F0 p( b1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
% x$ b) C) n$ e8 Q! H1.3.5BP神经网络分类
1.3.6结果分析
1 N$ E' d' u8 x2 `5 l2 k1.4案例扩展
1.4.1隐含层节点数
% P$ o: ]$ h3 Q* o7 {# z/ v1.4.2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
2.1案例背景
2.2模型建立
3 d( j! O9 Q% t7 p5 a2.3 MATLAB实现
" a. D0 ]* M& F8 f9 ], A  j2.3.1 BP神经网络工具箱函数
. R* G/ ^8 w+ h! Q2 M2.3.2数据选择和归一化
2.3.3 BP神经网络训练
7 M+ l! q" B9 `: T$ v1 U, |2.3.4 BP神经网络预测
; x0 H4 x% u9 u3 L+ |* B2.3.5结果分析
6 E# t7 |+ ]( _3 [( N' m2.4案例扩展
. f6 {8 w, q& I2.4.1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
/ {$ y- n; L$ k2.4.4节点转移函数
2.4.5网络拟合的局限性
, C4 A/ i6 C: R, d; s& c) i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
" r" g0 u8 c1 b' K3.1.2遗传算法的基本要素
3.1.3拟合函数
4 G( h1 v7 C2 w3 j3.2模型建立
, p5 h: v- n6 Q" `3.2.1算法流程
3.2.2遗传算法实现
$ z4 d! n) b0 W7 J9 I3.3编程实现
3.3.1适应度函数
5 s5 U* {8 G7 i% |4 k3.3.2选择操作
3.3.3交叉操作
3.3.4变异操作
3.3.5遗传算法主函数
7 _1 b4 l; S( ~* [3.3.6 遗传算法优化的BP神经网络函数拟合
3 \# r. b! A" L3.3.7结果分析
# s, ]3 g* y1 s& v7 f/ G3.4案例扩展
: H& _! J! A; ]) }" e) v% ]3.4.1其他优化方法
3.4.2网络结构优化
1 m  [2 B: O8 H3.4.3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
5 p! G( `/ ?( w' F9 J4.3编程实现
8 q2 V' I- e' N; a. Z4.3.1 BP神经网络训练
; ^2 d* p. I7 ~8 V" b4.3.2适应度函数
4 u5 G" S# D5 L, ?6 N2 [5 w% w' |4.3.3遗传算法主函数
/ b3 C' l8 s  P% F1 c* P. m4.3.4结果分析
4.4案例扩展
- U4 O% I' D( ?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
: @8 I2 T! A1 r: [! x5.1案例背景
7 l5 j- S! m8 F3 O2 z0 s5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
: A! f' n6 f- d  ^: H# \+ u; s5.2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
  D4 }1 b2 V7 V4 V. o3 ^5.3.垂结果分析
$ h% a$ [- h; u5 n- c5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
% E8 n+ O% b+ ?1 m7 c5.4.3强预测器预测
# t, H- S+ \$ a7 r5.4.4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
* e; s# z9 b" E; F6.1案例背景
6.1.1 PID神经元网络结构
- s+ l. H5 C, |* p( s6.1.2控制律计算
1 K) f7 ?; C7 {6 _6.1.3权值修正
( _. f2 ]4 Z( I% l+ a6.1.4控制对象
6.2模型建立
* Z/ m% B" O2 u  m6.3编程实现
1 M  e# B, l# }' \+ Q. ^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
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
* A4 {* X5 T3 G; C, I6.4.3 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
7.1案例背景
7.1.1 RBF神经网络概述
% O& r& L' I2 G4 ]4 I7.1.2 RBF神经网络结构模型
7.1.3 RBF神经网络的学习算法
, ^! u8 [( q, V2 x) j7.1.4曲线拟合相关背景
& `0 C6 ?; n4 j7 A( D7 C7.2模型建立
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
* [8 V! J- U, k/ B9 h7.3.2结果分析
7.4案例扩展
7.4.1应用径向基神经网络需要注意的问题
4 Z" S1 C) f% f$ K4 b3 B7.4.2 SPREAD对网络的影响
参考文献
; v% e: t5 m8 I7 N第8章 GRNN的数据预测——基于广义回
  a" O4 s# m9 K6 k: u归神经网络的货运预测
0 o) F2 s; @$ e8 f# ~" T8.1案例背景
% G+ P! o6 P* s+ C8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
9 r  V  c6 J0 h) j# u8.1.3 GRNN的理论基础
% P( q' H! x* ~8.1.4运输系统货运量预测相关背景
/ F. m8 e) G2 f4 g8 T4 c8.2模型建立
8.3 MATLAB实现
( U" Q  k  k5 Q" M! L- ]8.4案例扩展
  H' Y% k) y) e6 O+ G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
) z6 N% G% r7 o  N9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
0 Q; m& k' t8 R) K4 ]) h9.2.1设计思路
9.2.2设计步骤
8 }2 k3 O" H8 ^* t% P9.3 Hopfield网络的神经网络工具箱函数
9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
# d' Z# o4 y# X9.4.1输入输出设计
3 F' ~) Y$ H- M! l) Z- b9.4.2网络建立
! \4 W: V( {$ `* Y8 T7 p' c3 h- |9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
0 K. Q6 s  w, w+ B9.4.5结果分析
% g. `5 e+ T. M; w3 y" \9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
参考文献
3 {8 v5 Q& r+ o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
2 c  I7 A' \( ~! T0 X# X9 r: {10.1.2高校科研能力评价概述
  J8 Y' e. y, ~% r& ]+ z10.1.3问题描述
10.2模型建立
10.2.1设计思路
# n" q5 [8 _$ m10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
; [; Q, E, }4 S& S* C! l8 U10.3.2导人数据
10.3.3创建目标向量（平衡点）
10.3.4创建网络
10.3.5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
) V& ^; C7 x/ C6 E' V11.1案例背景
11.1.1连续Hopfield神经网络概述
2 L" o  k3 {, G+ z/ M# Q11.1.2组合优化问题概述
11.1.3问题描述
3 Y. `( H3 G0 C5 p& Q3 `6 g11.2模型建立
; P) l# [7 f: h11.2.1设计思路
8 \  O) ], L0 Z9 O% Y9 R0 [11.2.2设计步骤
8 q; N( F) {. \6 v9 x- ^11.3 MATLAB实现
  a% y' u8 j0 H: B- p11.3.1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
" w; f0 p: o1 o  d11.3.3初始化网络
' o/ J9 R' w4 W. d9 V* D/ f* l# w11.3.4寻优迭代
11.3.5结果输出
11.4案例扩展
11.4.1结果比较
11.4.2案例扩展
参考文献
1 c8 T/ X& ]. H第12章初识SVM分类与回归
2 j* s  u; C/ L+ w- d% J12.1案例背景
2 E7 Z1 p' u. s$ w. C3 D9 C12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
2 j) L( m3 q9 {/ ]( }12.2 MATLAB实现
/ w! y7 i/ f$ ^, R. f# m12.2.1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
2 X7 N7 {% i7 l  W8 T4 |12.3案例扩展
3 i# _/ R. @, g0 n& u参考文献
7 ]. G6 c; }, d9 o第13章LIBSVM参数实例详解
  i0 [! Y$ i( A8 a' B8 w: E3 J13.1案例背景
13.2 MATLAB实现
13.3案例扩展
! k" x$ J2 K; B+ C4 H- P$ [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
* E/ t! C. X# c/ t14.3 MATLAB实现
14 3.1选定训练集和测试集
……
5 H5 M: l9 _6 P& T, @" B2 E第15章SVM的参数优化——如何更好地提升分类器的性能
* ]) ?' H% h+ x1 ~8 {6 d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
+ f- ?7 ?$ ?; [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
1 G3 x2 x* [" s4 b9 y1 C+ k第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
& `2 B) ]3 D- `6 c; {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
9 G0 ^3 t. E9 |, D$ w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
' ?# H9 y* ~& n) S9 a2 t9 @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
第26章LVQ神经网络的分类——乳腺肿瘤诊断
. {( W# z6 i9 T第27章LVQ神经网络的预测——人脸朝向识别
' u7 B* ~/ ^2 ?4 q' S+ o0 m) T第28章决策树分类器的应用研究——乳腺癌诊断
, b! Q6 a( z7 K5 k7 g: I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
- Y& R+ l- o+ T! A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
. _/ d, d; ]# E第32章小波神经网络的时间序列预测——短时交通流量预测
第33章模糊神经网络的预测算法——嘉陵江水质评价
( j5 Y, l( N& O/ ]- B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
第37章基于灰色神经网络的预测算法研究——订单需求预测
$ j& r' d3 {% M第38章基于Kohonen网络的聚类算法——网络入侵聚类
! _4 @8 }! ~- f3 ^' W* o' S+ f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
第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
序言
% Z# J4 g8 Y0 _6 e序言
. Z2 F4 t, T# ]9 G, P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。
) S2 @; u: j. C+ t0 {

8 \8 D1 B0 I# u) }# lMathWorks 中国教育业务发展总监
* d) [9 A4 F9 g* G
1 U# Q, O$ `& v# ~# O1 [陈炜博士

& f2 Q8 G; r$ O+ A1 ?8 M9 T1 _# |2013年6月于上海
0 T' J1 }" E! Z3 d! O: R
8 i! e9 S  b& u% l
- q5 y: D/ d* G8 u3 v8 k. i$ _2 ipdf 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
9 O! A- n, u2 H( Q8 V) `