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。
0 d( p' _! l$ X; N$ x6 p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。
! c( k- C+ s4 M/ _, c7 l

- S  \5 Q4 t5 z1 I' |9 v/ Y( f编辑推荐
0 `5 n5 @- E1 R- M' ^; G  [% z, c8 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。
; a5 V$ B' L5 [; l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
+ P& t2 L1 K2 W" ]: a( T! F9 \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
+ P! _6 u7 o! X) _+ l8 f1.1案例背景
1.1.1BP神经网络概述
1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
5 N6 p1 _$ {( c* T1.3.2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
1 ^+ n2 \: ^8 a9 f! ~! _" D1.3.5BP神经网络分类
1 x! Y5 z$ w4 O1.3.6结果分析
  X" Q( x7 R( X5 j& h( O+ @7 v) Q) F" R1.4案例扩展
1.4.1隐含层节点数
1.4.2附加动量方法
5 O! B- |* h4 P- K1 ?% ~5 o" X& H# `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
2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
4 H3 f( V: ?3 l- A8 _2.3.2数据选择和归一化
2.3.3 BP神经网络训练
" o9 I+ x: H2 c2.3.4 BP神经网络预测
2.3.5结果分析
8 M% Q  c+ Q1 G: X8 Z2.4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
+ \: k3 h# R: o5 K% x2 [6 P2.4.3训练数据对预测精度影响
2.4.4节点转移函数
+ K$ ?- S! N: B- R0 ]4 ^2.4.5网络拟合的局限性
参考文献
" [5 z& S$ q- _4 Q8 i& a9 c& b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
. `/ A$ Z2 H7 o, i; g. ^8 h$ h! {3.1.3拟合函数
3.2模型建立
- V1 G% Y) b! A0 _; x9 |' _4 S3.2.1算法流程
- a" G+ {" E6 D  ~+ ~8 l3.2.2遗传算法实现
3.3编程实现
3.3.1适应度函数
3.3.2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
! z; R6 N! F6 _. |6 j! v+ L3.3.6 遗传算法优化的BP神经网络函数拟合
) o8 w  w( H& w/ K# U5 r3.3.7结果分析
& m2 \* K/ A7 S9 M+ X! x3.4案例扩展
7 C7 W8 [( k$ D5 T* R3 b3.4.1其他优化方法
3.4.2网络结构优化
8 `0 ~9 x0 X, b. n$ A% }  X3.4.3算法的局限性
! N' o  u7 `2 d/ l; ]+ {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
) Y0 m. U" }: f+ ^) W: t: l6 O4.1案例背景
4.2模型建立
4.3编程实现
, s8 y. o$ s9 I$ q7 t) B5 N4.3.1 BP神经网络训练
- S: x9 @7 c# ^4.3.2适应度函数
7 `: K2 c* \8 ?; k4.3.3遗传算法主函数
& u0 l# t' e4 V4.3.4结果分析
4.4案例扩展
& N  F) r! u" ~7 R) F4.4.1工程实例
4.4.2预测精度探讨
4 [- f3 B9 o; _& D5 g1 B/ s参考文献
! z+ {! s" v6 |6 ~第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
' D9 q3 a: {4 [; h5 M0 z5.1案例背景
. t* t% N9 |1 I( v1 h5.1.1 BP—Adaboost模型
6 Q' I" @! d! O  g( ]# U4 e5.1.2公司财务预警系统介绍
5.2模型建立
2 h+ W" p! Z3 m) }) ?. U5.3编程实现
* X) V! ~  M* p5 e* r; R5.3.1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
5.3.垂结果分析
$ q. _* Z+ ^) ?( L5.4案例扩展
6 n3 c8 t. a5 u/ K( J% h8 s/ ^5.4.1数据集选择
, R! C( D' p9 m/ {5.4.2弱预测器学习预测
! @* M; I* f, P, M5.4.3强预测器预测
4 Y, W8 G! [1 z3 Y: y4 e8 A5.4.4结果分析
1 X' q8 T- B( c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
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
# K6 [' _3 D: @: ?  d' F6.1.3权值修正
/ u/ R* j; b- e' [6.1.4控制对象
& V, `$ N+ p$ V& A6 W6.2模型建立
* I! _2 |+ |8 v* K, |5 j3 T6.3编程实现
6.3.1 PID神经网络初始化
4 `. S3 }) |( X9 N& P6.3.z控制律计算
6.3.3权值修正
6.3.4结果分析
( m0 H2 A' }/ b7 a. S3 {; K6.4案例扩展
. F0 p0 c! w4 a. }9 L( z6.4.1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
7.1案例背景
7.1.1 RBF神经网络概述
& f- i" N+ ^( J, i7.1.2 RBF神经网络结构模型
( J2 E  V5 L3 H+ Q1 f7.1.3 RBF神经网络的学习算法
0 W( A; g! O+ k& _7.1.4曲线拟合相关背景
1 F0 X+ e% `. |" K7.2模型建立
1 T5 ]- g" C* ]$ ~7.3 MATLAB实现
7.3.1 RBF网络的相关函数
8 c% p  Z# _1 U$ p0 y: U7.3.2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
1 n" Y7 {7 A4 D3 z& T# O0 O5 j第8章 GRNN的数据预测——基于广义回
. D. z( _  L. ^0 C4 h8 I归神经网络的货运预测
4 r9 o" H) f7 T/ x* Y8.1案例背景
8 i: u: Z0 g7 }& Q' E2 x8.1.1 GRNN神经网络概述
: \/ l( Q6 ]5 [) K8.1.2 GRNN的网络结构
% l% o( a; v2 u4 U6 u* p$ @, B8.1.3 GRNN的理论基础
1 u4 h% T+ {! H- W# q# Y& @% H8.1.4运输系统货运量预测相关背景
, g& x' T* C$ `5 m/ d8.2模型建立
( Z6 O+ j0 u9 i) L/ W! T( S" q" {" H8.3 MATLAB实现
8.4案例扩展
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
7 l- h- a; w0 E0 I" S3 m) w6 z9.1.2数字识别概述
9.1.3问题描述
9.2模型建立
# N0 Y, ~+ H( v9.2.1设计思路
9.2.2设计步骤
# U6 n+ g, r& ~% z9.3 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
9.4.1输入输出设计
' ?5 c4 I  y; X* c' m2 a* x+ z9.4.2网络建立
, D( K; Y9 |1 x) i, t) ?9 E" O9.4.3产生带噪声的数字点阵
7 ?& U- l8 h1 G+ u  G9.4.4数字识别测试
* n+ M2 z: E' G6 t9.4.5结果分析
  @1 E; p3 i; Q9 s# x9.5案例扩展
9.5.1识别效果讨论
% n& f& _4 \) L0 c6 c% H' `9.5.2应用扩展
参考文献
3 }; A8 }( g6 Z/ d& p) h  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
' A  ]4 W- j& ~- N# h10.1.1离散Hopfield神经网络学习规则
/ |3 @6 C1 q6 r$ e& {% M) ]2 g10.1.2高校科研能力评价概述
10.1.3问题描述
1 l; B& j, d0 V/ Y) `4 a10.2模型建立
10.2.1设计思路
10.2.2设计步骤
8 s0 W1 U; ^/ {10.3 MATLAB实现
; r! V+ Z$ C- Q2 X) M: E) S10.3.1清空环境变量
) W/ j5 X) R% B7 I10.3.2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
, }# g- F4 f" b: ^2 @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
' t/ h& j6 d4 v11.1.1连续Hopfield神经网络概述
# }6 t: i2 {  A0 q' V; `$ z* g11.1.2组合优化问题概述
11.1.3问题描述
4 g  W6 L6 z& S5 F# a11.2模型建立
& {! _1 X" m; y5 m9 }11.2.1设计思路
11.2.2设计步骤
: }: ~& L2 b1 W% b$ S11.3 MATLAB实现
11.3.1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
# j$ E2 x% I& G6 C* `+ O" x11.3.4寻优迭代
( M. O) M" ?! _' D* S11.3.5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
# R1 r! N7 v- E# \8 j第12章初识SVM分类与回归
12.1案例背景
; e6 v/ T6 X/ `! l3 V12.1.1 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
7 m+ ~9 R: [9 `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
12.3案例扩展
参考文献
第13章LIBSVM参数实例详解
- J0 {; k# s* }. n; S; X( h13.1案例背景
* O6 n# `  w( E9 u13.2 MATLAB实现
13.3案例扩展
参考文献
* A2 C# L% U, y3 V. j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
0 g1 N+ R9 ]$ M14.2模型建立
* F& |' w' K  A14.3 MATLAB实现
) Q  `7 l1 x) C9 G/ J8 \2 _7 O# Q14 3.1选定训练集和测试集
3 V& i3 E8 q$ C* Q" p/ o……
4 n1 D/ v- s. W6 g第15章SVM的参数优化——如何更好地提升分类器的性能
1 |+ |$ R# z$ @" K' e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
: O0 r' D9 `, ~1 I$ y第19章基于SVM的手写字体识别
第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
. `5 h+ C7 c6 Q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
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
; s4 H, l3 |% x. M+ ^4 z1 A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
' B/ a( z5 c) U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
2 C" _0 j  m& e/ X# Z- F0 g第28章决策树分类器的应用研究——乳腺癌诊断
0 k) y0 E# D2 @8 w+ Y$ _" M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
' z% M) G* A& I- [* W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
' ]1 P4 u3 d9 {6 `4 o9 L+ ]+ a' ]第32章小波神经网络的时间序列预测——短时交通流量预测
& x6 S# h# y2 y! @第33章模糊神经网络的预测算法——嘉陵江水质评价
! r! G! t1 a! W8 L- y; n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
- H' M; O* d' l: K% ?9 [3 A  A第36章遗传算法优化计算——建模自变量降维
: h; I: [( h" W* U9 u0 ^- c第37章基于灰色神经网络的预测算法研究——订单需求预测
7 B( _% s& Q$ C2 b: S6 U第38章基于Kohonen网络的聚类算法——网络入侵聚类
9 A( C7 {# d: J* b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
' M0 m! @$ w+ t" J# s+ O0 a3 Y序言
序言
2 a. {/ F6 Q6 u' K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。
" B3 f* E2 U4 u; y: E/ q/ K3 Z9 D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。


" C3 }! n3 I  z# h5 `MathWorks 中国教育业务发展总监

陈炜博士
9 X1 K  F' O0 H% |5 v
# h% F$ g. s! H/ [7 J2 h* E  y2013年6月于上海
9 D. Q8 v+ ?* U" R/ i0 [' N3 I
- @1 ^$ ?* g; h2 G# P
- `$ T. H- A# u9 Spdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
; {0 W& s5 k+ y数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
" h! W: Y! b" e  i& z9 ]
/ d5 }2 B6 Y! |/ `; M
: G4 X$ m9 D' c9 e. C$ j1 O$ A