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。
( B9 b. h8 a, }/ G: O; V
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。
# Z' J" I" ~5 H; k1 R: r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。

$ A0 ~# w9 s0 F" {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 s: ~' A+ O  G+ K# Z
8 z* ]  Y; L* w3 j: ~- G( _
* `4 J  C7 Z# r  [. y编辑推荐
  {4 i5 n" X+ s, G3 s) j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。
. p% I+ W3 l& s7 l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
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
1.1.1BP神经网络概述
1 m$ g+ H5 Z  X9 [1 `1.1.2语音特征信号识别
1.2模型建立
1.3MATLAB实现
. B. @6 q1 C! g1.3.1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
1.3.4BP神经网络训练
8 Q& f  j' \6 c, _* N1.3.5BP神经网络分类
1.3.6结果分析
& r7 D1 Q9 g3 k" ^/ j' O1.4案例扩展
1.4.1隐含层节点数
5 z2 k# O* l: ]/ s/ O+ X6 X1.4.2附加动量方法
1.4.3变学习率学习算法
参考文献
( m4 l9 S; W' N8 @) f# M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
# k9 x0 \: O7 I$ f$ H1 @7 Y2.2模型建立
7 B) R# |/ d* C: v. s2.3 MATLAB实现
& t0 l3 T9 g) U0 W% _6 u% ]2.3.1 BP神经网络工具箱函数
) m. G7 t* J3 J- t! Z3 f+ h2.3.2数据选择和归一化
3 n* `& m5 e% A$ e/ |6 A2.3.3 BP神经网络训练
1 C  g& {! {- E0 g* J2 M2.3.4 BP神经网络预测
2.3.5结果分析
: Z" J7 q& ?. e" }: c, |2.4案例扩展
, ?  w1 S6 P+ d" L5 [* W. ?2.4.1多隐含层BP神经网络
' x" D1 r2 z* ]4 F3 x$ _# r, V2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
* u5 c1 q4 D+ f4 O+ f! E2.4.4节点转移函数
- h; c  \; K  V' ?9 `3 `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
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 c6 a  m# G9 X3 l/ L% d9 f/ S3.1.3拟合函数
; l" H$ A: ]  z$ ~$ e: r3.2模型建立
. ~. T. S7 ^" x% C# \; ~7 E/ f3.2.1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
* e* x9 Y  C% {& }' p) m3.3.2选择操作
; @5 m/ g+ G) y, R" [3 b1 }7 ]3.3.3交叉操作
3.3.4变异操作
% n2 b9 H. `) C3.3.5遗传算法主函数
6 v9 C( Q6 b% Y6 w. N1 @$ U( C3.3.6 遗传算法优化的BP神经网络函数拟合
3.3.7结果分析
; E+ u) X6 E9 q- ?1 _8 a: {3.4案例扩展
# Q& L7 ~% F6 g1 l3.4.1其他优化方法
3.4.2网络结构优化
2 J- I; p- ]( G3.4.3算法的局限性
参考文献
0 ^5 @. ?2 G) h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
3 Z& s, D. N( ]# ~/ g" j4.1案例背景
" c; \- P9 t6 ~  a7 V" \+ M4.2模型建立
4.3编程实现
) I3 x+ K" N3 Y8 E4 |" o# M4.3.1 BP神经网络训练
( B9 z) c: L6 u5 @% r' Y3 J4.3.2适应度函数
4.3.3遗传算法主函数
, E" k4 b2 k' p4.3.4结果分析
, }- s) U! J5 b9 P3 s# F4.4案例扩展
4.4.1工程实例
4.4.2预测精度探讨
# h/ _2 n3 k8 A- u2 g/ z参考文献
& o; i4 |% S$ y  H0 n" Y3 D5 e第5章 基于BP—Adaboost的强分类器设计——公司财务预警建模
8 ~9 q0 W; x( E; l  i5.1案例背景
7 I# T6 P% ]$ Q" w5.1.1 BP—Adaboost模型
5.1.2公司财务预警系统介绍
5.2模型建立
5.3编程实现
5.3.1数据集选择
/ H- r, ]: r) z5.3.2弱分类器学习分类
; ~  U/ l- @& g5.3.3强分类器分类和结果统计
5.3.垂结果分析
0 l( ?% O. H" Q$ N- Y5.4案例扩展
7 B7 b- C& V( H# L5.4.1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
1 e/ M" d+ @$ W1 |2 a参考文献
, r/ e5 n7 j; {第6章PID神经元网络解耦控制算法——多变量系统控制
& Q$ g" Z% g; k1 b6.1案例背景
6.1.1 PID神经元网络结构
6 y& g! \7 P4 y: U6.1.2控制律计算
6.1.3权值修正
6.1.4控制对象
6.2模型建立
6.3编程实现
# J2 Z* L7 g; z$ g: l2 A9 |6.3.1 PID神经网络初始化
6.3.z控制律计算
- K. N8 O, l4 Q: \$ A3 H* F+ _6.3.3权值修正
2 _4 G8 i8 v( K' v" I' J6.3.4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
9 W6 }7 M% p: T6.4.3 PID神经元网络权值优化
参考文献
: ?/ @/ L/ @  M' _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
2 ^) g1 e4 a6 T9 }3 r; v7.1.2 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
5 A/ k3 P$ C! e: F5 J; Z* S4 e7.2模型建立
7.3 MATLAB实现
7.3.1 RBF网络的相关函数
7.3.2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
0 I4 P- e, O: A4 h8 L- Y7.4.2 SPREAD对网络的影响
参考文献
, z5 a* T+ ^! J6 s第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
) x3 M) n2 L! L" D* g  P8.1案例背景
$ u' W" h6 B: c( J  W( h; ~/ b6 x8.1.1 GRNN神经网络概述
3 x7 I) q7 h9 [' z6 [) i, F- y8.1.2 GRNN的网络结构
$ t- I' t% F% F- q  v" v8.1.3 GRNN的理论基础
) w7 M- j. H" Y/ ]$ c- {5 K8.1.4运输系统货运量预测相关背景
8.2模型建立
8.3 MATLAB实现
8.4案例扩展
* R( U. I) p3 A- q" P: p3 C7 M参考文献
/ L4 i1 x( c' \7 t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
% @; d  _7 W) J# e. \  p9.1.2数字识别概述
/ ~8 U: i0 j+ Z% m9.1.3问题描述
$ r- O1 p: N$ o9.2模型建立
5 s+ z  t. x- U* F9.2.1设计思路
9.2.2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
* v2 k* L/ u/ o9 Q8 ^9 L6 d" q9.3.2 Hopfield网络仿真函数
% U" b$ E, A; Y$ B. l9.4 MATLAB实现
9.4.1输入输出设计
; W5 s8 F$ ^) L. d3 \# Q3 `+ {9.4.2网络建立
2 @/ |" ^+ g9 f2 L  \+ Y5 }' J6 \9.4.3产生带噪声的数字点阵
9.4.4数字识别测试
9.4.5结果分析
9.5案例扩展
1 n" S3 P. N8 S1 i2 F: g! y9.5.1识别效果讨论
9.5.2应用扩展
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
0 w$ y0 ^+ z  ~  V7 V8 B10.1案例背景
10.1.1离散Hopfield神经网络学习规则
# N0 [) j8 r* m0 [/ d0 q10.1.2高校科研能力评价概述
- b# `% I+ x6 J! L' U  z5 q. p10.1.3问题描述
5 Z5 W( Q" ~" _( E* j10.2模型建立
10.2.1设计思路
10.2.2设计步骤
! J! J1 l; L# p# m2 F! }1 h10.3 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）
) p7 f# F" H0 Y9 H% M4 D* a+ p10.3.4创建网络
# q# R& m# L, ]# F; P# ?0 R10.3.5仿真测试
9 E) d# Z7 P: j7 E- s10.3.6结果分析
2 S. @, F! S4 }9 o* ^5 e10.4案例扩展
# [0 X% @. M, o! w" b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
8 s3 W9 v7 A9 A4 f2 `1 y! ]11.1案例背景
. @4 X% d8 }* R8 s9 T; W11.1.1连续Hopfield神经网络概述
- Q9 }& S( s( J11.1.2组合优化问题概述
# k8 P1 H% X6 M/ p# W! D9 ]11.1.3问题描述
' F) c/ Y, @8 G: l8 V0 T11.2模型建立
2 n3 m- i8 h8 [: [11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
" E7 n3 N- i: ]' p4 U: Z11.3.1清空环境变量、声明全局变量
! u4 Q' a, ]7 q8 V: v; [$ p11.3.2城市位置导入并计算城市间距离
) ]; K7 }4 a' g2 k. j7 X11.3.3初始化网络
11.3.4寻优迭代
11.3.5结果输出
4 ^$ W% h" K) c6 w2 W' S& r11.4案例扩展
  P6 \; [4 u1 X' D* C11.4.1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
1 |0 i: {7 L. N, F  B' f8 N12.1.2 LIBSVM工具箱介绍
12.1.3 LIBSVM工具箱在MATLAB平台下的安装
" Y% b& |- w% t5 O8 x# E12.2 MATLAB实现
5 @0 \# o0 s/ 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
8 }7 Z/ ~! p$ Y) r  N1 C3 Q4 G1 X12.3案例扩展
参考文献
第13章LIBSVM参数实例详解
13.1案例背景
13.2 MATLAB实现
13.3案例扩展
, a4 f- J3 N5 j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
1 I% {# C" O9 k  {4 C4 U14.2模型建立
- _3 u; j$ G2 f  H7 Z) b14.3 MATLAB实现
14 3.1选定训练集和测试集
* @  U3 a, D+ K; \8 C* j0 l/ ]……
/ p6 G, w: Z+ N  }1 h4 |6 r, C第15章SVM的参数优化——如何更好地提升分类器的性能
7 R7 i+ y: T$ U" {' }+ u3 [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
& Y. a# C: ^3 v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
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
/ }  U) E* j; K3 D' D5 ]第22章SOM神经网络的数据分类——柴油机故障诊断
# f# h, E  V" Y) h/ n3 @- y8 c$ n第23章Elman神经网络的数据预测——电力负荷预测模型研究
% J2 h) z8 ]  g- C; b: 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
+ N% E5 d/ e  p& \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
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
/ Y( R- m7 D) Q第32章小波神经网络的时间序列预测——短时交通流量预测
8 X, L; V2 x4 {( \# t; e第33章模糊神经网络的预测算法——嘉陵江水质评价
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
- s+ W  w  c6 ^4 ~2 [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
+ Q# w" f# q! t第40章动态神经网络时间序列预测研究——基于MATLAB的NARX实现
+ r" r7 V7 g" v* e( H8 I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
. N! x( u, O) Q+ m/ y! N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
$ C  E7 k# J2 P. @! Q第43章神经网络高效编程技巧——基于MATLABR2012b新版本特性的探讨
. k' `3 f9 D0 [3 Z$ ]: t# U序言
: X# {7 S& L$ b. d8 T3 o' i9 d, a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。
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。
& x! }$ H! i) n1 E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。
2 U% W! E4 Q9 L: Y- b' \% w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。
, ?$ B, W/ i" |- a/ b

- v! s2 ]; u4 }MathWorks 中国教育业务发展总监
2 L7 M8 o9 r  ]. g+ X" J) O) v5 G
; j2 j1 p, B3 m, M: t! B陈炜博士

+ {3 ?/ }& I6 x1 m+ j! g9 F2 r2013年6月于上海


6 A. n* p1 m2 B# _1 ppdf 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r
( ?' q$ [2 O. V& ?6 d/ H  D9 E数据程序 链接: http://pan.baidu.com/s/1qW2obyG 密码: lc6r

9 U2 u( c2 t8 w# g: P
% e& C! u4 F2 i" p
2 i* X: G; ]8 S. U  n, y" g" k6 X