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。
0 p8 t( r  p, v6 J, k! d; T
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。
. l' ]' v& v5 m* Q+ d  A, @6 A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。
" s/ U. {3 i8 ^6 A  m; f) x
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。

) ~" ~1 Y# p$ F3 {9 p" ?; \
编辑推荐
7 f; C. e. Y9 w! ]; Q6 r2 v; |" i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。
3 v) P: G2 B* m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" I) [8 a0 a7 Q+ U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
" s3 h  V3 o  Z) E第1章BP神经网络的数据分类——语音特征信号分类
: i- [' e; K. T& k8 m/ x1.1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
6 p& G9 o$ @9 u- v1 G1 S1.3MATLAB实现
1.3.1归一化方法及MATLAB函数
. [# ]7 l: U9 Q0 c/ ?3 G- G8 @1.3.2数据选择和归一化
1.3.3BP神经网络结构初始化
3 q, H# p+ T  Y9 \) j- y! w9 C0 m  G1.3.4BP神经网络训练
1.3.5BP神经网络分类
3 V; [. T6 }3 t( K- l- G1.3.6结果分析
1.4案例扩展
1.4.1隐含层节点数
( F3 U8 t$ ?2 ~: v; h4 z6 Y6 @3 m1.4.2附加动量方法
+ K" ~2 V& ?- G$ q. x. F* N& w/ ?1.4.3变学习率学习算法
参考文献
+ w) M* k' O, E1 H- k0 m6 r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
+ p1 T- E* ?1 O* C6 z0 Z5 T0 t2.2模型建立
6 U% c$ V* y0 M' c2.3 MATLAB实现
; d3 Y) {# D" v8 f0 D) [2.3.1 BP神经网络工具箱函数
! w" g4 ~; Z/ ?1 M; U+ r2.3.2数据选择和归一化
2.3.3 BP神经网络训练
$ P) ?% h& X* L* W/ k( j) C, p5 b2.3.4 BP神经网络预测
3 N: B0 |5 y) c9 I5 b; H2.3.5结果分析
' c) W& A7 l0 b+ }/ e2.4案例扩展
2.4.1多隐含层BP神经网络
8 `' W! F1 w, W" q2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
0 s& Z2 E$ r' f, P2 {+ j. {4 |; i2.4.4节点转移函数
' d% c1 @* z+ Z# K8 L/ e0 [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
' j0 A  Z) ^) r9 X$ }* w( s) i3.1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
4 ]" E- K" W/ F+ ~$ p9 N' v, Q0 p3.1.3拟合函数
8 q) k0 ?2 Z0 \! P  d3.2模型建立
& [3 x. G: C7 R" N" O% o2 B3.2.1算法流程
3.2.2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
6 Q. `$ I4 S* W, F8 d, u1 H# M3.3.4变异操作
# i# t# F! o+ p. y8 Y3.3.5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
) z, e# w/ ]! C2 y1 X3.3.7结果分析
3.4案例扩展
0 c* B* e( c5 \4 C, n  Y* L3.4.1其他优化方法
9 i& u" c6 d8 Y2 r! W* X# ?3.4.2网络结构优化
) U; |' n& H/ O6 R9 z- \& b, B5 J3.4.3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+ J; F, G5 Y5 t4.1案例背景
" o( {# r2 U. P" z+ X, o% z$ q9 G4.2模型建立
( E& o- _* J5 r" S' l4.3编程实现
- c) j+ d$ R, j! l2 v- G4.3.1 BP神经网络训练
4.3.2适应度函数
" R9 R8 U& O9 m$ L. p5 R4.3.3遗传算法主函数
4.3.4结果分析
% |) o+ C8 F$ G/ o& N% x4.4案例扩展
4.4.1工程实例
3 O. `; q/ x- z- g4.4.2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
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
2 T/ T$ M) d: t, p5.3编程实现
: V$ W9 ]# Q$ i9 F# B; K: L5.3.1数据集选择
. }! W' f+ h! ^( H% z0 J- o8 j5.3.2弱分类器学习分类
% z( H2 ~! B- @8 U# }+ h/ @5.3.3强分类器分类和结果统计
, j: ^: M! P8 b/ N5.3.垂结果分析
5.4案例扩展
5.4.1数据集选择
5 b( D4 U" v% m% ~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
参考文献
4 Z% n4 S! t) ]7 p" O第6章PID神经元网络解耦控制算法——多变量系统控制
9 I3 W; v' c' M) p/ W6 e$ u+ C9 k6.1案例背景
/ y7 h( q! l/ Z+ \, N0 _  l6.1.1 PID神经元网络结构
, J; `+ s) C+ n9 E9 h6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
* E+ V" E% R, T0 u8 e) }0 S8 X: |6.2模型建立
' T( l- Q( E& v: ^" y; K3 Y" m% z6.3编程实现
& n( J& {. D9 s3 e0 |% d6.3.1 PID神经网络初始化
6.3.z控制律计算
6.3.3权值修正
% S6 K1 a/ U* u0 k' X6.3.4结果分析
5 C% N2 [: w1 o& F3 i2 L6.4案例扩展
6.4.1增加动量项
6.4.2神经元系数
* p) b% z) b8 Q6.4.3 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
: }) _$ W5 H3 V7.1案例背景
+ `6 o7 i+ \" y7.1.1 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
& A4 q0 ]/ I  Q, v% M% F+ n7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2结果分析
& R9 `1 R% O* l7 r7.4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
" |8 g, }/ J& l8 J/ i& K. z$ s5 t参考文献
1 q5 _8 H* }! w# j, J第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
8.1案例背景
8.1.1 GRNN神经网络概述
8.1.2 GRNN的网络结构
$ O6 L/ J! K: Z! f; L# V% z" r8.1.3 GRNN的理论基础
  W8 X/ M1 F/ |* Y( C5 A+ k& s8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
8 e; @, S2 y6 @1 l5 R+ J2 Z8.4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
& G* k8 q* i4 G$ D9 s0 W* y* k9.1案例背景
& x3 Y1 U; h5 b; R0 X, n" o9.1.1离散Hopfield神经网络概述
' I5 W1 t' m7 W  _. i' n% Z# L4 i9 W9.1.2数字识别概述
8 I( f- h! \+ l  b- ~' P' k9.1.3问题描述
9.2模型建立
4 ~& s, Z$ A, @: {6 h9.2.1设计思路
9.2.2设计步骤
( E( j4 Z* X& n0 h, }  G9.3 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
9.4.2网络建立
) y8 D& h( W1 F" K0 I9.4.3产生带噪声的数字点阵
, A* w7 D, T6 u, X( A2 |+ p9.4.4数字识别测试
9.4.5结果分析
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
; e/ \4 R: Q0 Z# O0 T第10章 离散Hopfield神经网络的分类——高校科研能力评价
+ b( K4 n. P# C1 p! J! V9 d10.1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
) B6 R6 |: U! f10.2.1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
10.3.3创建目标向量（平衡点）
/ W  p0 t( c! Q. _! Q+ _10.3.4创建网络
9 Q7 d6 j/ a! K( F10.3.5仿真测试
10.3.6结果分析
10.4案例扩展
, e6 a& ~: U& d' \: o0 V: J5 D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
0 X3 P4 J; n7 s# T11.1案例背景
( O+ n' V" @# ~4 C4 ~11.1.1连续Hopfield神经网络概述
; u% K* m4 p( R2 I6 V11.1.2组合优化问题概述
11.1.3问题描述
11.2模型建立
. J( i/ X4 d( {: l/ Y11.2.1设计思路
11.2.2设计步骤
( ]! x; m$ E& X. m3 N11.3 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
11.3.4寻优迭代
11.3.5结果输出
11.4案例扩展
# `% L4 [- ~% C; B. o1 i/ [- d11.4.1结果比较
3 m& {( S+ h( @7 S" G( V' A/ G11.4.2案例扩展
参考文献
第12章初识SVM分类与回归
- A: d/ p, m) F& w4 A9 y12.1案例背景
7 }1 O1 K) e# `. W12.1.1 SVM概述
" _- w, \5 L+ i* ?5 f7 B, y12.1.2 LIBSVM工具箱介绍
3 Q2 l) L" s( {5 f! e9 T12.1.3 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
12.3案例扩展
参考文献
! e7 {7 B3 I! {1 H第13章LIBSVM参数实例详解
1 ]& H; D; k& u% U: }13.1案例背景
13.2 MATLAB实现
1 h4 `) p3 c& h5 H' f13.3案例扩展
  V! J! w1 k. ?: w, `9 c9 y9 v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
$ c9 ^4 }( Q  |* p3 I) m, _- u14.2模型建立
14.3 MATLAB实现
/ n% r9 ~% s  @) Z& L14 3.1选定训练集和测试集
……
第15章SVM的参数优化——如何更好地提升分类器的性能
( s$ Y2 G2 x$ l. _: O' [第16章基于SVM的回归预测分析——上证指数开盘指数预测
5 Y" s9 P5 s4 p8 ?- a& L/ ?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
* E% F$ U( N0 Y: z4 x- J第19章基于SVM的手写字体识别
: h* B& S' m0 u  q2 e) Q第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
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
* F1 n2 z* J# V1 F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
  E" s! u) G7 L. g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
* f$ d: d" N! k" O0 J第27章LVQ神经网络的预测——人脸朝向识别
. s4 v) b$ r" N3 {- E3 g% ^$ j6 A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
第30章基于随机森林思想的组合分类器设计——乳腺癌诊断
4 z/ D: t" g' {" p0 \$ ]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
2 A2 I. c7 ~$ S* `4 N' M; X, g) B第33章模糊神经网络的预测算法——嘉陵江水质评价
5 p0 g0 C5 k5 v, u) M  k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
$ a. u! w2 N: F2 p第37章基于灰色神经网络的预测算法研究——订单需求预测
# X+ K7 U8 L0 _7 ^% h% Z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
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
+ s  U& a! D( U序言
7 u4 Z. H- d" ~0 `. T. e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。
% S5 o/ V1 j/ v. G9 G  @9 u3 e- x) O% K( f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。
  g' R. G) l) m3 C3 C
" |3 {& T+ d; {: B7 ~% p
MathWorks 中国教育业务发展总监
- l) Y5 @( `7 I8 N9 {! M
9 v% C5 b7 B" z0 \. n7 I; o, R+ Y陈炜博士
  q+ g  S# h8 j0 u- R
# c" x6 l$ b: N0 s) @2013年6月于上海

, r3 k% c5 L( y; G& F
8 K& {( [% T0 k" h! j% \pdf 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



: A9 m- T5 Q( t' H* r7 d