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 x' S, f; }" w6 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。
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。
) B  h+ e, _) u* u' U& k$ Q: L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 F5 J3 J5 N' Z5 d# a8 R! T
* s* V( }: G! F  |, m9 X6 y0 s5 t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。
7 ~' D) D; {2 a

编辑推荐
$ `. y: k+ g% W, F2 ^$ U. P9 v5 q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。
0 R4 ]9 \! f. {' i: [- `1 n目录
: }; u6 Y) I( B第1章BP神经网络的数据分类——语音特征信号分类
) `: b9 E1 S, {, B+ j1.1案例背景
" s; C/ R9 O/ p! E1.1.1BP神经网络概述
1 @* E% I; c8 M) Y8 B6 a1 V1.1.2语音特征信号识别
1.2模型建立
8 r! Y3 \# b) B3 B4 f, h+ u: S( I1.3MATLAB实现
4 z- J1 G( p" I+ b! t  p1.3.1归一化方法及MATLAB函数
" [0 ]( P4 ~& X5 N( r" e" s5 R. H1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
1 o* E- p. B/ ]+ a3 G5 ]1.3.4BP神经网络训练
1.3.5BP神经网络分类
1.3.6结果分析
8 T. C; y' d5 n9 H" V9 w8 u1.4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
7 R1 |6 A% @3 ~' J7 H3 B参考文献
: H+ v: \6 K; f7 V, c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
7 ?$ G$ b4 i, V4 R2.2模型建立
2.3 MATLAB实现
; J$ x, E% o5 B& I2.3.1 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
( P, k- b  E3 W: o$ p2.3.4 BP神经网络预测
1 E; ^; B) `2 W2.3.5结果分析
2.4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
6 A/ w% Y% R4 `) ~2.4.3训练数据对预测精度影响
6 J$ E  L* y' B& v- q0 ~2.4.4节点转移函数
- K9 P' x( P/ z- n8 {( L- i2.4.5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
; R  [: B. D- H1 o2 j6 O6 e3.1案例背景
3.1.1遗传算法原理
  P6 D! T6 h0 m* l3.1.2遗传算法的基本要素
( y; F, B7 F( @4 k8 Z6 s7 \3.1.3拟合函数
3.2模型建立
3.2.1算法流程
) S& p1 E' q" {" u, i3.2.2遗传算法实现
: @% o: [3 x" n$ n2 D) |3.3编程实现
3.3.1适应度函数
& C3 L  v: }% X, m7 W3.3.2选择操作
3.3.3交叉操作
( z- D0 L  P: u3 _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
3.4案例扩展
" S4 g' X$ ~! P9 H9 Y9 P3.4.1其他优化方法
3.4.2网络结构优化
. }0 P. V; ~3 q1 l3.4.3算法的局限性
" D7 `' K3 J" h8 s$ Y0 E# V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
& D' ]6 n4 y9 c0 ]; V$ ^( ?/ K4.1案例背景
4.2模型建立
4.3编程实现
$ r3 M. Q; N. K4.3.1 BP神经网络训练
9 K3 g, q% `: @4.3.2适应度函数
0 G0 J8 y; {" Y/ |* F" S# Q0 a4.3.3遗传算法主函数
9 z: N# y" f8 h5 F4.3.4结果分析
4.4案例扩展
9 Z; P: T; _) X8 h4.4.1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
5.1案例背景
' b. }0 y4 h5 f9 K: H+ }5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
5.2模型建立
, U) k+ i7 @& M5.3编程实现
+ A5 A/ I' u' Q- Z* t5.3.1数据集选择
# c( c5 M+ ^+ p5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
4 m% n& D6 I. X( A# G6 ~1 t, \# i/ M5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
8 W6 {- ]! m1 m" m& w2 U5.4.2弱预测器学习预测
6 u3 Z+ L  _; {5.4.3强预测器预测
' C$ Y+ ~7 S0 Q1 o7 }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
$ j; A+ U1 _6 e6.1案例背景
6.1.1 PID神经元网络结构
4 G: v% m2 e$ e) e" C4 |( E8 @/ a3 Q6.1.2控制律计算
( b. z/ Z. E0 T. J; t1 N. w4 ?6.1.3权值修正
6.1.4控制对象
6.2模型建立
: d- C! i( n7 K7 O: w3 S6.3编程实现
6.3.1 PID神经网络初始化
  n( u; r" S5 C8 w$ `3 ]7 w6.3.z控制律计算
+ @7 U' D4 K( y6.3.3权值修正
6.3.4结果分析
3 V  w4 ]3 P7 ~! f( }; V" D6.4案例扩展
2 I% G6 Z7 P9 E1 \$ _. J8 W/ N4 j6.4.1增加动量项
6.4.2神经元系数
) q& G' ?( z$ F" L5 `* q& P; ^  ?3 l4 x* K6.4.3 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
8 L+ }& R$ P7 a- c7 X7 S6 I8 D7.1.1 RBF神经网络概述
/ v9 P" a. s" l. f6 `7.1.2 RBF神经网络结构模型
6 \, b- L) B# G8 K" p( z( ^7.1.3 RBF神经网络的学习算法
! v) q8 T. r$ Y1 R7.1.4曲线拟合相关背景
7.2模型建立
5 A$ w% l6 S- n8 [! o% j6 X: N7.3 MATLAB实现
; _7 d! ?, a$ p! C3 M$ [  d3 d7.3.1 RBF网络的相关函数
  H$ o* L) W; l9 G& a7.3.2结果分析
- O( l& t) A( x/ \7.4案例扩展
! F$ F+ ]" Z, @9 q* X7.4.1应用径向基神经网络需要注意的问题
9 c5 A; m: W1 E3 W7.4.2 SPREAD对网络的影响
参考文献
第8章 GRNN的数据预测——基于广义回
& \3 ?) a( ~7 L归神经网络的货运预测
* v7 d, _9 ~6 g! a8.1案例背景
8.1.1 GRNN神经网络概述
5 {9 f0 l' ]1 e) q; Z2 s" O8.1.2 GRNN的网络结构
% M3 W  _" R% _3 B/ u6 v8.1.3 GRNN的理论基础
, \2 ^* r6 f7 P8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
" i  B/ A3 q1 ~4 L1 X! [8 t8.4案例扩展
参考文献
5 W4 _; u, R5 s: \  k% u, [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
9.2模型建立
9.2.1设计思路
8 K$ q5 B2 O* R! r+ [( h' i3 o9.2.2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
" x$ v; k3 X# Z' p0 j; ~* j9.3.2 Hopfield网络仿真函数
4 }" w! O) e0 b' y9.4 MATLAB实现
9.4.1输入输出设计
2 X: K7 |" B1 n% D+ R9.4.2网络建立
4 P) {! ^+ A( i# f9.4.3产生带噪声的数字点阵
. F4 g  R3 j, u. c; _: M( l9.4.4数字识别测试
9.4.5结果分析
$ R' z0 Z' g6 q) q9.5案例扩展
9.5.1识别效果讨论
7 Y/ M& ]' o! N+ l' I+ `9.5.2应用扩展
参考文献
+ Z' `4 x9 P( A1 _6 q& S# Z4 N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
( G9 M9 P9 C7 R5 g10.1.1离散Hopfield神经网络学习规则
# D: l" Y& L3 ?! u+ j$ O10.1.2高校科研能力评价概述
3 g) b1 p; G) E/ n10.1.3问题描述
10.2模型建立
3 m: }' o1 L" o" |10.2.1设计思路
1 G# S5 ^# w5 g1 m) e10.2.2设计步骤
10.3 MATLAB实现
10.3.1清空环境变量
10.3.2导人数据
+ v# M" E  m3 ~9 ~: \10.3.3创建目标向量（平衡点）
- o0 k3 K% ^6 W) T+ h10.3.4创建网络
$ {8 l0 p3 L/ i/ w; U# o6 P10.3.5仿真测试
0 y; X* n7 U/ `  L  s; }& f8 s: q10.3.6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
11.1案例背景
: l" W& t6 L' [$ q11.1.1连续Hopfield神经网络概述
8 k. C8 r4 g' r/ ^% Y11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
11.2.1设计思路
# K& b% K: q4 l. }11.2.2设计步骤
# k0 X1 I( h& g3 |2 V) s$ I11.3 MATLAB实现
/ o7 O9 e  N" V0 i8 q11.3.1清空环境变量、声明全局变量
! Z, a6 }' G$ O11.3.2城市位置导入并计算城市间距离
11.3.3初始化网络
8 F0 J  E, e6 h: H; n5 d  m11.3.4寻优迭代
2 Y& i$ c0 |+ z& _" W) N11.3.5结果输出
4 a- `! c' U" f( Z& V$ H11.4案例扩展
7 P' ]( w( r7 _6 x11.4.1结果比较
11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
12.1案例背景
12.1.1 SVM概述
12.1.2 LIBSVM工具箱介绍
! ~) B" n9 \; P6 }8 b12.1.3 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
12.2.2使用LIBSVM进行回归的小例子
/ a9 i' H2 `5 @% x3 a# M12.3案例扩展
参考文献
) d; g. z% U& }/ T' S0 A- x第13章LIBSVM参数实例详解
: @; C3 I6 F6 Y13.1案例背景
! Q7 _/ D+ C: l& B4 h: }13.2 MATLAB实现
13.3案例扩展
. f; E1 Q: U# O% ~# j+ v参考文献
5 k7 a1 n5 d" e! N9 n2 l第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
6 N& V( K/ L/ D14.1案例背景
14.2模型建立
* {9 _' g' ^% Z0 L7 h( j14.3 MATLAB实现
14 3.1选定训练集和测试集
9 s" S6 T& Y  y; c……
: j' Z: M! N+ c- R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
8 Y1 _! ^9 s6 _% ]+ O) N& k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
8 l' a+ _) u, L' E* g0 T" O2 b第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
" P- V& F% p' t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
( y/ a9 o8 {% B" z第23章Elman神经网络的数据预测——电力负荷预测模型研究
) o6 r+ y9 n: u8 y/ e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
5 H5 b' i& C% j+ d第27章LVQ神经网络的预测——人脸朝向识别
: k& R1 M- e% `( D* ^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
, G4 L7 j4 r, {: L5 ~第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
. }( D- ~& Z- v$ }( n# X第31章思维进化算法优化BP神经网络——非线性函数拟合
6 k+ L( V' M& n% X! g$ K1 I第32章小波神经网络的时间序列预测——短时交通流量预测
2 W4 u$ E# E" M( D第33章模糊神经网络的预测算法——嘉陵江水质评价
" J  R7 J+ l2 ], l- w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
( u/ L- Z" z5 s8 J% v: H- D6 H第36章遗传算法优化计算——建模自变量降维
; r4 |: V9 [# W; w* r2 h+ L4 z第37章基于灰色神经网络的预测算法研究——订单需求预测
  k6 q, z0 ?+ N6 ?: d) h0 l" }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
第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
3 E, `& c/ h3 k! u2 X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
) y4 Q7 S. @! `+ t9 q+ B$ I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
- Z4 X8 P8 ^' B( p) O* T1 `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
3 o: `3 t. l, D6 U+ i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。
2 K  c. g( d; @8 A% Q& Z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。
& R( o3 j; \: ?
- a1 u8 J" t; j
MathWorks 中国教育业务发展总监

  M! N$ ~: f$ Z" v, H0 ]% T/ f陈炜博士
+ |+ `! U6 Z6 o+ P4 r9 k
0 B* u# _1 [4 s3 O5 p$ E2013年6月于上海

9 `( }" p% Y& l* Z4 T& }
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
/ K$ q+ X, L! D8 q" b/ h5 b  O0 w数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

7 L) k" G  \8 w* E) K

" B/ ?/ p- B+ r  H7 o- w