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。
* \; X$ X7 [" C' ?/ r
5 V0 n* |) Z+ 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。
0 J4 _% l/ o+ f5 v2 V

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。
/ V! _1 @8 W. H  o8 T/ P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。
5 Q# Z2 ?8 b  ^6 {: j1 G- \目录
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
! O9 s( g8 c- Z- b+ K$ z0 `- f1.1.1BP神经网络概述
1.1.2语音特征信号识别
3 ?" G7 h6 k/ C1.2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
/ b. P: {7 C1 j' g, W8 {1.3.4BP神经网络训练
  Q. a, q& Q3 K9 ^# S* c1.3.5BP神经网络分类
1.3.6结果分析
- P" J1 r9 r& U1.4案例扩展
! a9 P/ o& C. D7 b9 i8 p4 w- U7 c1.4.1隐含层节点数
1.4.2附加动量方法
" e( K3 c- Q) K. F0 k3 D* F1.4.3变学习率学习算法
参考文献
/ W8 w- V. t1 c! k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
8 g4 s! ~% q, @/ {% W2.3 MATLAB实现
9 o8 e* h2 q' P6 [. e2.3.1 BP神经网络工具箱函数
( B/ _, y" j) j9 s/ ^3 H2.3.2数据选择和归一化
2.3.3 BP神经网络训练
' P: N: H( Q5 K/ ]$ H' G, i2.3.4 BP神经网络预测
) S+ Z; x$ D7 }8 x1 y- U/ X: E2.3.5结果分析
$ J( {/ s4 ~7 E2 B$ p* v2.4案例扩展
2 ?. _. S9 @4 A1 D* d2.4.1多隐含层BP神经网络
/ g4 L0 v; M" i" b$ y2.4.2隐含层节点数
  F  p- S& B, k% b7 T2.4.3训练数据对预测精度影响
1 E3 [& E0 C5 s: r! j4 P& V2.4.4节点转移函数
' x- s' @7 v2 H0 j& ~) u! b( v2.4.5网络拟合的局限性
7 c+ U/ k% S) J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
3.2模型建立
0 l: ~+ @8 R( h( K8 c' D3.2.1算法流程
3.2.2遗传算法实现
3.3编程实现
$ k- K" v. K+ h9 C3 I; I9 N3.3.1适应度函数
3.3.2选择操作
3 _8 r$ P: N: a3.3.3交叉操作
1 j0 k  c% O# g& b& `5 g8 U: ~0 ~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
# w' m2 w: B/ W2 h/ ?# v3 f3.3.7结果分析
- K, U) s" i( |4 H# p3.4案例扩展
. K- a1 k( o6 r- z0 m3.4.1其他优化方法
. E1 l' s% B3 Y$ c- b1 ]+ u5 h9 R* P3.4.2网络结构优化
3.4.3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
  J' q, @# Z7 Q; D0 Y; V4.1案例背景
7 ]* z: R+ t3 o4 K+ F4.2模型建立
+ o- f; W! y$ U) D4 U6 Q4.3编程实现
" M/ W( g$ M$ |8 O$ H% k  R; b" Y4.3.1 BP神经网络训练
4.3.2适应度函数
4.3.3遗传算法主函数
( q( Q$ L8 B8 }1 P4.3.4结果分析
4.4案例扩展
4.4.1工程实例
- }* D& @, E7 a) z$ i. u4.4.2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
! T! T9 s3 K5 T5 K5.1案例背景
  Z/ G% ?% L5 G# |5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
# `$ e- V' }: b6 a' B) _1 @5.2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
* J5 R: R$ x; f  x# R9 h& H5.3.3强分类器分类和结果统计
0 d. G3 Z) {! Z5 j- Q: }5.3.垂结果分析
5.4案例扩展
# w5 |  L3 T: E6 W% W3 Y* H5.4.1数据集选择
5.4.2弱预测器学习预测
5.4.3强预测器预测
5.4.4结果分析
! Q# q4 _  P5 m; ^3 m1 D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
/ D: }, y7 f( M2 @7 z0 K" `6.1.1 PID神经元网络结构
; w  c+ I7 `3 D; L. @( u; `" M6.1.2控制律计算
6.1.3权值修正
4 f/ y4 j" W1 @4 f- @; g6.1.4控制对象
6.2模型建立
6.3编程实现
6.3.1 PID神经网络初始化
0 ^. G& m) }( y0 B6.3.z控制律计算
3 m4 n, A: B/ v2 ~# w. O5 E) X6.3.3权值修正
1 ?5 S! P/ b9 ^/ C6 h- u# Q8 V6.3.4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
6 X! r9 u2 s6 Z! N& i+ l8 P6.4.3 PID神经元网络权值优化
参考文献
( _1 D1 F3 i1 G9 S. G第7章 RBF网络的回归——非线性函数回归的实现
5 m# x  r. \& {7.1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
8 q3 S* _0 u$ J( D+ ~/ H! F5 k7.1.3 RBF神经网络的学习算法
0 W5 x1 K/ Y' F! y  T  P. G7.1.4曲线拟合相关背景
+ \- C0 ]4 @: J% o4 [. j' T7.2模型建立
6 b3 V6 i8 N  V( \7.3 MATLAB实现
7.3.1 RBF网络的相关函数
! Q0 O) K1 {- V) D# _% R7.3.2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
: p3 ?4 n3 ^; e% h* \参考文献
& t% J  ^: B( [/ }  v/ `' ]第8章 GRNN的数据预测——基于广义回
0 L5 H3 Q+ s/ c5 v  z$ {5 L归神经网络的货运预测
8.1案例背景
9 c* p2 D4 S! D  j1 Z2 q( j& I) P! t8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
' z( k2 C& y. a1 l: T8.1.4运输系统货运量预测相关背景
! I( X7 E2 J( z9 \# g, j, k8.2模型建立
8.3 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
6 h) c  [0 d- \3 J0 t! R% L  |9.1案例背景
9.1.1离散Hopfield神经网络概述
- T& d& M/ g) X& _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
9.2.2设计步骤
9 D3 p1 e" E: c' h. W4 G& Q, x+ A9.3 Hopfield网络的神经网络工具箱函数
% y! i  S- v& C1 h* t& ?# D7 G) `5 V9.3.1 Hopfield网络创建函数
* }- c3 t& _2 p6 d. s6 X3 G9.3.2 Hopfield网络仿真函数
, q( B6 _3 P. |4 z" l1 \, V+ J, M9.4 MATLAB实现
9.4.1输入输出设计
! C8 n8 J. V6 x7 L" h9.4.2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
/ ^' p  {: U, y! w9.4.5结果分析
3 U0 D& W* L! k. A$ g0 w9.5案例扩展
9.5.1识别效果讨论
9.5.2应用扩展
: [' j. w2 ?' D- y; v- Q参考文献
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
10.1.2高校科研能力评价概述
10.1.3问题描述
10.2模型建立
) C6 J  L, f: q! Y( r- v4 [5 e1 ?10.2.1设计思路
10.2.2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
1 ~0 Y$ F4 A5 P0 O* L7 }10.3.3创建目标向量（平衡点）
10.3.4创建网络
: f( l5 }2 m( \& i5 {4 [10.3.5仿真测试
10.3.6结果分析
7 ~, o8 M" W8 e8 s# K5 c/ ?4 ]3 N10.4案例扩展
参考文献
2 L. S8 t3 ~* i- n1 i. P& d) K: N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
11.1.1连续Hopfield神经网络概述
5 o. J; w4 G" f* n" o5 S% v- D# a11.1.2组合优化问题概述
8 [' i, r: Q- q( c; }4 i, ]7 [11.1.3问题描述
# s3 R# i/ x5 d/ o, t. E; K11.2模型建立
, q. y# w  \' M. Q* M$ Z' z) g11.2.1设计思路
11.2.2设计步骤
* L" F5 j4 O, Y3 \. d11.3 MATLAB实现
11.3.1清空环境变量、声明全局变量
9 E/ V5 ~2 f7 s' K3 O11.3.2城市位置导入并计算城市间距离
' G- O' Z; b8 l, A* x5 K3 T- e11.3.3初始化网络
11.3.4寻优迭代
8 M4 Q; P# v, J1 O6 M11.3.5结果输出
! O* b6 U$ I1 }5 r" U8 l6 k! n& j11.4案例扩展
11.4.1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
# {* a, r' R7 }3 K6 ~% Q$ }* E: b12.1.1 SVM概述
( O5 n- R% p9 ]12.1.2 LIBSVM工具箱介绍
7 y2 Z- C( M( ^& S" f" M; \  {12.1.3 LIBSVM工具箱在MATLAB平台下的安装
  C  M& M% d7 H; u. h12.2 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
( C+ A. H% V3 }- F参考文献
第13章LIBSVM参数实例详解
! X& M4 H3 e" m9 V9 @. E, _, U/ e13.1案例背景
1 q& [& a/ ~! G" p* T13.2 MATLAB实现
# Y$ L: B' u& K) I13.3案例扩展
参考文献
0 r8 ]0 ~6 P+ @5 Y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
& L4 }8 j* g. B" U5 f8 |14.2模型建立
14.3 MATLAB实现
( E$ }( M4 I5 e5 ?2 x# K$ z. ?7 `14 3.1选定训练集和测试集
6 G( ^* ]) H) @……
% C" V- {; U0 J* U第15章SVM的参数优化——如何更好地提升分类器的性能
7 B  }( m9 `  \3 |$ a8 k) z* @第16章基于SVM的回归预测分析——上证指数开盘指数预测
# m  H* h+ n' {! O% \! H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
# N  V6 R% h; V7 J9 f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
- Y$ U* _. F& a第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
5 |) C. z  k4 ^" E3 Q; b3 f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
- c5 v. e8 d  u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
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
第27章LVQ神经网络的预测——人脸朝向识别
第28章决策树分类器的应用研究——乳腺癌诊断
& E2 ~0 e+ t4 b, g' q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
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
. q9 Q# H+ ]3 t! {: f+ Y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
* N3 @' i# @/ f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
- D/ u* k2 O2 U0 V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
第38章基于Kohonen网络的聚类算法——网络入侵聚类
+ L3 x/ |* L+ U  ]$ |/ A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
7 R- L$ Y: D, y0 X0 y第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
& w2 s3 ]! k+ o* A* T# z4 N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
! ~/ V, ]$ j; Z) R: n3 H# W% H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
+ O; s; K+ \2 g  F序言
4 ?" S3 n8 v% j3 l+ a* w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。
) i7 j2 w# E; L* @6 j' G$ F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。
& v& ^+ S) I& E" g. q1 Y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。
, {1 c+ {/ ?" q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。
3 S/ \- ~, ~' ^6 F1 j. ^' G( N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。
, N" T+ X! T. C" S* V1 t: F: |
: W3 a' O& E& w1 w
) S6 b8 E- \: y  E1 z/ D2 nMathWorks 中国教育业务发展总监

陈炜博士
" o+ W1 O+ o, _
2013年6月于上海
, }6 ~" J( |0 R3 [
3 @2 x8 K7 a% z
" t# }* O2 D6 J' y3 S. wpdf 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
: P. f3 F5 _1 w! D. G
! N6 O+ s* ]! {8 q' t& P9 k
! p5 H, K3 t/ s5 T6 N/ x1 W
& G- d; U) `& ?/ \. e! ]