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。

3 f5 w' M  R" X, x$ {4 e: ?" O( L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。

6 F/ n/ g: R9 y8 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。
: z+ k' e% v! z5 J1 W, r
( T; d' g: Q4 i  \$ U& J% G
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。
2 M1 e) a+ @# I6 E3 U, `' ]$ v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
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。
  _9 }% r$ t4 V1 m目录
第1章BP神经网络的数据分类——语音特征信号分类
' S  E  F  n8 W, P6 ], q1.1案例背景
0 y) @* ?; K# h/ w$ N1.1.1BP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
1.3.2数据选择和归一化
5 I! }' O" a+ _/ a, D# T) X1.3.3BP神经网络结构初始化
1.3.4BP神经网络训练
' {$ @# n. ^* p; K6 M$ S1.3.5BP神经网络分类
1.3.6结果分析
1.4案例扩展
1.4.1隐含层节点数
1.4.2附加动量方法
  b1 |; R% s4 N. W. E1.4.3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
6 M( ~" F5 d, q5 Q  b0 x! q2.1案例背景
2.2模型建立
4 w7 y/ s/ E9 ?% x0 B7 ^% f2.3 MATLAB实现
2.3.1 BP神经网络工具箱函数
2.3.2数据选择和归一化
$ T" K! ]+ P8 }1 `' R" o' Q  B2.3.3 BP神经网络训练
" {2 M: }- @9 f) [) W2.3.4 BP神经网络预测
6 B# x# t/ V8 C' L" Y3 i1 D$ m" t2.3.5结果分析
6 Z) M3 @2 B/ S" P* C$ n2.4案例扩展
2.4.1多隐含层BP神经网络
4 l6 ^1 T  {) U. E' l; e( i2.4.2隐含层节点数
2.4.3训练数据对预测精度影响
/ w2 C) @, ~, B9 ~6 }" p/ I6 V" h2.4.4节点转移函数
" s! x; S$ [' ^3 G; I2.4.5网络拟合的局限性
! `* E: H& x4 }( n& n参考文献
1 `2 t  Q6 y( u: O( |! n, A第3章 遗传算法优化BP神经网络——非线性函数拟合
) q7 w: e% h2 C3.1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
% L3 E8 P, d3 |, x# ~9 n8 o3.1.3拟合函数
3.2模型建立
3.2.1算法流程
- H8 r/ ]/ |: J9 z6 m! N3.2.2遗传算法实现
' b- M, k4 R# p% s4 u6 n3.3编程实现
3.3.1适应度函数
3.3.2选择操作
8 ]' U' Q% E6 s' k3.3.3交叉操作
6 q# D4 D; d9 O! @% W3.3.4变异操作
# B: I4 L9 U9 K2 o3.3.5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
3 d  u) j6 u8 s7 {- F3.3.7结果分析
3.4案例扩展
5 {* k2 J  u. W( I5 n4 _3.4.1其他优化方法
) v# S0 w$ V0 N9 k2 H* B5 s1 B3.4.2网络结构优化
9 @* m/ }1 V' `9 P7 i) X3.4.3算法的局限性
4 i8 p/ E# i% ]' v- z7 f% W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
4.1案例背景
  K  k1 i, @/ K! ~4.2模型建立
; r6 D/ H3 S5 ~4 j, r# p, |; r4.3编程实现
4.3.1 BP神经网络训练
. F( {9 S* `" M* r2 Q8 D, K4.3.2适应度函数
4.3.3遗传算法主函数
. a' J1 f! m+ {- v, T: k1 G4.3.4结果分析
3 T$ ^- r( n6 @4.4案例扩展
4.4.1工程实例
4.4.2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
1 v0 k9 r2 j; `# o  X5.1.1 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
, O# H+ `! ?9 x8 _* k5.3.1数据集选择
, y4 ^% _) W2 k. r) ]' o5.3.2弱分类器学习分类
5.3.3强分类器分类和结果统计
5 f2 ^9 D! U1 @) U- L6 S! J" l" v& S5.3.垂结果分析
+ N4 C1 v) @# V! G' Q5.4案例扩展
7 u/ b/ [* ~# h  i/ P5.4.1数据集选择
, f0 \6 [; k  j: n0 [. Y' E; @3 d% x5.4.2弱预测器学习预测
" G# p# @" D, P: V# s/ i5.4.3强预测器预测
4 I4 P$ K( S9 r5.4.4结果分析
* G' t1 ^- `! \( h! D0 L7 }" s4 @参考文献
! j: i- a4 c, t( Z7 C3 I, ?第6章PID神经元网络解耦控制算法——多变量系统控制
$ P: C$ i3 G0 g- ^) u6 b" i6.1案例背景
7 `) Z. H/ n* w* h8 S) w; z6.1.1 PID神经元网络结构
$ U8 B$ F: h, I& E+ \6.1.2控制律计算
6.1.3权值修正
0 i3 ~% X# m; s$ Z0 w0 r6.1.4控制对象
2 g: E. h; K3 G( d6.2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
6.3.3权值修正
6.3.4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
8 E0 l6 y+ w1 C2 ~6.4.3 PID神经元网络权值优化
& {: E. c5 U) S2 S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
; h- S! E! _  C0 h/ S7.1.1 RBF神经网络概述
7.1.2 RBF神经网络结构模型
; T; C- S0 T% B: m* s6 ~' r0 m7.1.3 RBF神经网络的学习算法
% ?( {1 q  {+ o2 X7 y  `' ?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
- ]/ \- C5 K1 U' a/ J7.3.2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
: f3 c; a  E; c9 O参考文献
第8章 GRNN的数据预测——基于广义回
归神经网络的货运预测
+ q& ?+ A. |' ]" b# ~* J3 `. F8.1案例背景
5 y  @' T4 S$ J5 I8.1.1 GRNN神经网络概述
3 f5 i9 ]. h! {$ V( F* ?8.1.2 GRNN的网络结构
8.1.3 GRNN的理论基础
& v% ^1 C9 g; ^$ N' |: d8.1.4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
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
* k; r2 h8 o! i2 s9.1.3问题描述
) d- g4 e4 }! D9.2模型建立
! S: A  v6 K( G# E: f. W# f; m8 w- C  m9.2.1设计思路
9.2.2设计步骤
2 r# o/ l: V8 k+ F/ _' N; x9.3 Hopfield网络的神经网络工具箱函数
$ R7 I" x5 ]  O+ a1 r! d$ @9.3.1 Hopfield网络创建函数
$ e& n; t" _& \: Q9.3.2 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
) Z8 K9 j5 S, R1 f6 x" F7 B9.4.3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
9.5.1识别效果讨论
" a( x9 c4 q" R) b! ]9.5.2应用扩展
2 }' j+ |  G1 n6 K8 l参考文献
' A3 S9 {/ J4 O* R第10章 离散Hopfield神经网络的分类——高校科研能力评价
4 O+ e7 j# [$ ^* k10.1案例背景
+ j/ O! f9 k; ]  r2 @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
" d9 f+ {1 t! }, i, z10.2.1设计思路
* K8 u5 @  y4 I4 c& |10.2.2设计步骤
5 Y( f3 j  L% K  y6 r+ ~, l3 E3 ]10.3 MATLAB实现
5 `, L( r6 s! j! X6 E3 @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）
10.3.4创建网络
* @3 F% F5 F; w" H- |. f10.3.5仿真测试
10.3.6结果分析
5 V: E& b5 a( L$ c. x" [9 y- O10.4案例扩展
3 W& e9 L& m  e& Q& X; W参考文献
: f! F! @3 u. k第11章 连续Hopfield神经网络的优化——旅行商问题优化计算
/ F" ~# u$ n8 k% K  M" E" i1 x* I11.1案例背景
( G" Q/ ~) z+ [, b* G. Z11.1.1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
+ O- w8 z: n4 O# Q' ~! I6 v6 _! P11.2模型建立
11.2.1设计思路
11.2.2设计步骤
11.3 MATLAB实现
5 D0 L; u5 `4 `' _% q; g. v2 i3 K# A11.3.1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
11.4.1结果比较
11.4.2案例扩展
7 I" n9 k0 K/ }: l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
12.1.2 LIBSVM工具箱介绍
, ^; {( ]. ^( z: G$ e/ p" A, `1 {12.1.3 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
第13章LIBSVM参数实例详解
7 _; X& V( W. @) s7 r1 c* W13.1案例背景
6 ]/ J+ Y/ d1 d6 j$ P6 I) W' g13.2 MATLAB实现
13.3案例扩展
参考文献
  Y" ~" @: c/ \) x0 d6 \第14章 基于SVM的数据分类预测——意大利葡萄酒种类识别
3 I# ~; y" c; @$ x: w14.1案例背景
14.2模型建立
" N- W" h5 D1 l2 F- ~14.3 MATLAB实现
14 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
第16章基于SVM的回归预测分析——上证指数开盘指数预测
3 n7 F2 ]2 u, ?* j. i" I( Z3 e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
* }1 {7 o! B8 S% @5 Y9 Q$ x5 @第20章LIBSVM—FarutoUltimate工具箱及GuI版本介绍与使用
! v; i7 ?! m( x1 H+ o2 D! Z& G" x/ v* G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
4 s) q! \8 k" \  {1 u9 t7 a& `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
4 M; [3 O9 Y- r! d' z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
0 B1 Y8 t/ z  X4 p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
* }2 X9 ~% ]% W' ^2 Y  {/ J  v* p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
7 ^0 j! X, j4 Y" |% }8 @: J' q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
" Y8 a' t( Q  V7 J9 d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
& ~4 _4 \! x3 C8 t; 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
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
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
' R" g$ t- L$ r9 z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
序言
, h- W+ i5 n4 d+ g. l# V* H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。
5 u( f, d! U- C+ d$ e& |8 F8 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。
! ]8 \( Q$ L# a! l, E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。


MathWorks 中国教育业务发展总监
3 i8 D3 T& W) X6 L! t9 Y  L+ k  Y0 P9 O$ [
陈炜博士

2013年6月于上海
( i8 K8 z" V( Y/ }& A

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

7 Q8 d8 M4 G; z7 d) b1 W( l6 T' F
) d: z+ U% @  N0 ?
5 i6 V1 T4 D, o' b/ B5 E0 H