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。
- G/ H1 Z! y7 \
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。
/ w% W. m  p7 O% z; L* P) f6 n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。

+ z! B- i/ d. o  A! |5 ?- b0 J* a, a3 i
/ o7 l0 n. I/ o' q" M0 ], ^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。
- c0 T" X, K5 S7 `2 t. G, B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
* N! P" p1 _5 o1 A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
! [7 }# L' S9 c$ F) h1.1.1BP神经网络概述
1 Y: U  j* k* j1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB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
, Q. L: @& Z$ U2 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
! [' ]1 S0 N/ ]$ ?: d1.4案例扩展
7 f; w) ?2 ?( F7 y5 D* Z& m  V1.4.1隐含层节点数
1.4.2附加动量方法
, m2 Z# K" C/ A" @( x4 @1.4.3变学习率学习算法
+ l, |" _* C7 l4 ]% Q/ t( C! r; C参考文献
5 j1 ?* l/ V& V  H9 @) Q第2章BP神经网络的非线性系统建模——非线性函数拟合
* R: o. u0 \! Q; E( \$ N6 J$ I! ^2.1案例背景
2.2模型建立
2.3 MATLAB实现
- x# A1 f/ F0 ]: d% G5 Y0 Z5 l2.3.1 BP神经网络工具箱函数
: R% k% @- D8 @4 p- a3 C. ?2.3.2数据选择和归一化
5 [' ^3 f0 Q  [4 e; S# ]2.3.3 BP神经网络训练
+ N6 u; A: e7 a0 I  H' j2.3.4 BP神经网络预测
2.3.5结果分析
2.4案例扩展
9 F& Y9 |0 R8 o. t& X" P4 Q  s2.4.1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
' l' W- q3 Y1 N# ~/ d+ t# m- z2.4.4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
( y2 c1 F& @0 ]. ]0 a3 G+ h3.1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
3.2.1算法流程
+ L* c% F2 x) ^7 ^; b4 m3.2.2遗传算法实现
- [9 W  k! K+ Z- j; R/ k. H8 h$ ?' ^% V3.3编程实现
; U+ }- B/ Q: S  w6 a3.3.1适应度函数
5 j; q1 y) c6 g6 h% ]- F# S8 F9 t3.3.2选择操作
6 Y  p0 }, C: A+ J3 e7 y; N. Y3.3.3交叉操作
3.3.4变异操作
, Z- K+ s4 h" T# P1 y2 B3.3.5遗传算法主函数
5 @1 F4 o1 K6 R1 K5 ~( I% k$ b$ G3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
( }, F. w1 q9 u# L) W4 x3.4案例扩展
3.4.1其他优化方法
3.4.2网络结构优化
3.4.3算法的局限性
" F7 S' O8 E5 m' _* T参考文献
8 J9 i. Z8 T( Z/ H* A: R  H* v) I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
" g/ |" \# f# g# @! ~; R7 \: L4 q# X4.2模型建立
4.3编程实现
4.3.1 BP神经网络训练
7 C6 L0 b1 v5 c  c) v4.3.2适应度函数
4.3.3遗传算法主函数
6 o+ @6 U. c, l2 {& l) r2 Z4.3.4结果分析
) J. c, Y* g0 x. o, A$ T4.4案例扩展
4.4.1工程实例
6 Z2 c8 Z: k. r+ N- ]8 @  R4.4.2预测精度探讨
0 M& i9 [) D0 w& u' I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
3 Y* h+ I, n' J" l5.1案例背景
5.1.1 BP—Adaboost模型
, \6 a4 C) J4 h5.1.2公司财务预警系统介绍
0 R) [6 {" M* s# O- x8 C( G5.2模型建立
5.3编程实现
5.3.1数据集选择
. w9 `+ W' i# b: U1 y" a5 F6 u9 @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
5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
5.4.2弱预测器学习预测
; w2 c4 Q' h# N5.4.3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
# I/ S0 q4 B# V  q/ |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
2 p7 m& ?4 d. p$ |1 R) c6.1.3权值修正
6.1.4控制对象
: I( {) k6 w! s6.2模型建立
6.3编程实现
6.3.1 PID神经网络初始化
6.3.z控制律计算
  [# u* U, M* y  Y3 d" @3 p$ L6.3.3权值修正
3 h% R: i3 E( }5 ]6.3.4结果分析
6.4案例扩展
6.4.1增加动量项
$ \  m1 H- U4 S6.4.2神经元系数
! w8 @; C; D, [' L- J9 H5 L; U6.4.3 PID神经元网络权值优化
& r( ]/ M1 d0 Y5 l5 [: ?+ K1 `6 R参考文献
第7章 RBF网络的回归——非线性函数回归的实现
2 K' @2 P0 J% z5 z3 @) w  I7.1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
7.1.3 RBF神经网络的学习算法
7.1.4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
4 b- y" z6 ?! @$ X+ b" W7.3.2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
7.4.2 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
% p$ ~* |+ Z3 M$ V# I8 g' f归神经网络的货运预测
8.1案例背景
3 R) `9 D! X  X: b1 g7 j8.1.1 GRNN神经网络概述
9 q% r+ A  Y. ?$ s& c& F8.1.2 GRNN的网络结构
0 `8 D4 S( J' R- @4 a( C- J6 c) y8.1.3 GRNN的理论基础
8.1.4运输系统货运量预测相关背景
; a+ C. V2 \9 g+ W8.2模型建立
8.3 MATLAB实现
% Z. }! o5 D8 ^! U+ \- U8.4案例扩展
5 k( D) o4 l0 X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
" z# ~; [- y- ?" t8 x2 b9.2模型建立
9.2.1设计思路
7 B% g7 ]8 O% c$ d. f1 B9.2.2设计步骤
, ]; U$ h7 N& F9 e4 `/ t# l9.3 Hopfield网络的神经网络工具箱函数
3 E& l, o6 t" s! W9.3.1 Hopfield网络创建函数
9.3.2 Hopfield网络仿真函数
9.4 MATLAB实现
9.4.1输入输出设计
% {3 G9 \, R. {9 K9.4.2网络建立
9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
0 k4 P, I0 W$ a: v$ \; W1 J, _: f9.4.5结果分析
9.5案例扩展
. W$ F+ K6 O( Y, Y* h1 d9.5.1识别效果讨论
9.5.2应用扩展
- j+ D% m  s" M5 ^! S参考文献
+ b, J! B$ k6 q+ z4 D* Q/ ]第10章 离散Hopfield神经网络的分类——高校科研能力评价
! ?# l* {; W8 q# Z7 p0 a10.1案例背景
8 d5 B/ }7 R) P10.1.1离散Hopfield神经网络学习规则
; X* o5 A& K/ t0 I9 c2 k10.1.2高校科研能力评价概述
10.1.3问题描述
10.2模型建立
10.2.1设计思路
% [& P- G, I5 `: Y& N10.2.2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
. X( s7 m, z8 m5 A) d2 p$ \' ~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
3 l+ V* H- S9 x0 p6 F7 D1 A10.3.6结果分析
10.4案例扩展
参考文献
5 `/ f# H5 Y) z第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
6 k5 y( J# m5 T" X11.1案例背景
11.1.1连续Hopfield神经网络概述
11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
2 t- ]* C/ A, P  G2 {/ W, H* N11.2.1设计思路
11.2.2设计步骤
- {; v7 h0 n* L  \/ L5 S5 U: }' L, n11.3 MATLAB实现
9 }: W0 ~' i  O4 v3 x2 u- W11.3.1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
# L8 q. J* H0 Q( X" z11.3.4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
7 p) T, R. _  f/ s4 T% \2 T- x参考文献
& J5 A: ?4 X$ j2 B) e0 S第12章初识SVM分类与回归
) s; c7 U% ~; L+ c! p12.1案例背景
% O' G/ ]1 j% s12.1.1 SVM概述
4 Q( P6 h" x7 T12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
5 D+ m9 _3 Q& z( h4 b5 q12.2 MATLAB实现
' m6 A8 Z" z6 P! T& w' x& A# Z3 o12.2.1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
% M! Z  b6 a, x2 t9 y, j参考文献
第13章LIBSVM参数实例详解
13.1案例背景
2 `0 O: m6 j' ^# C+ D/ ]( q3 Q& q13.2 MATLAB实现
% c: i0 [! C6 ]13.3案例扩展
参考文献
( ~/ k5 E" l, f3 T- Y1 s# e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
+ i6 _) W! i9 `1 p14.2模型建立
& a! w+ M6 e3 F+ Z- h( _14.3 MATLAB实现
  ]4 {5 L* i0 G8 e$ W7 R+ y14 3.1选定训练集和测试集
( @# G$ W8 q7 ?4 |$ M2 a! f……
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
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
% o* `$ f2 v% P# K第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
; g# Z9 v: j; x) v. f% X! r' B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
. X" F' f0 n4 E+ l5 t$ S第22章SOM神经网络的数据分类——柴油机故障诊断
9 B5 i/ I* {4 `8 {+ E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
# ?5 j! i7 \4 q% M$ }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
+ t2 h: p* \' t5 g第28章决策树分类器的应用研究——乳腺癌诊断
0 g0 }( h* S( D6 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
+ }' I! O) w+ T( n% H9 S第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
1 Y9 \  o9 e% `6 X2 }  K, A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
; e9 ~( f' a+ F0 m3 f1 _$ n$ V3 C第33章模糊神经网络的预测算法——嘉陵江水质评价
% N! p1 t7 K4 c$ w+ W4 u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
, u* ]" \5 Z4 |2 g( |. @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
! \& L" `7 q3 U6 X- W4 y: b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
3 ]# [  S3 s3 \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
2 ^' t8 p$ i4 a( }; o4 u: G7 D序言
; A# L7 V! i3 l6 p序言
  y, {* i* h9 ]- n* @. k$ s7 I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。
9 H$ }% N% U) t6 m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。
6 P! _+ U& E. n8 s/ t: b1 n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。
6 ]0 Z1 S- q5 w1 X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。

1 D/ m' y, Z* M) d( L7 U
9 ~% C  x; ^0 {" @& ]9 }) f: g& C% E1 PMathWorks 中国教育业务发展总监

( N* _3 B/ q% N陈炜博士

; g( z: \3 g& E( b' F9 U3 e  P2013年6月于上海
: Y5 }( ~3 N1 e& `: t0 {2 Q
( z- n! J& ?( Z- Q0 a5 G& [- a/ N
pdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
4 ^( ~4 P0 g5 |5 [7 e+ y数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r