材料數據挖掘方法與應用檢視原始碼討論檢視歷史
 |
《材料數據挖掘方法與應用》，陸文聰 著，出版社： 化學工業出版社。
化學工業出版社（簡稱化工社）組建於1953年1月，是新中國出版界歷史較為悠久的中央級出版社[1]，出版科技圖書、教材、大眾圖書、電子出版物及科技期刊等五大類[2]。
內容簡介
《材料數據挖掘方法與應用》詳細介紹了材料數據挖掘的研究背景、常用方法、具體步驟和作者團隊自主開發的在線計算平台OCPMDM（online computation tform for materials data mining, http:/materials-data-mining.com/ocpmdm/）的應用，闡述了OCPMDM在線計算平台在材料設計（鈣鈦礦型材料、染料敏化太陽能電池材料等）和化工優化（氟橡膠工藝優化等）中的應用。本書方便讀者學以致用，讀者可以免費利用OCPMDM軟件平台，構建並分享材料數據挖掘模型，用於虛擬樣本的高通量篩選，加快新材料研程。 本書可供材料科學與工程等相關領域科研人員和工程技術人員閱讀，亦可作為高等院校材料數據挖掘研究方向師生的教學參考書。
目錄
第1章 材料數據挖掘綜述
1.1 材料數據挖掘的研究背景
1.1.1 材料數據挖掘與材料設計
1.1.2 材料數據挖掘與材料信息學
1.1.3 材料數據挖掘與材料基因組工程
1.1.4 材料數據挖掘與材料工業優化
1.2 材料數據挖掘方法概要
1.2.1 材料數據挖掘問題的數學表達
1.2.2 材料數據挖掘模型的「過擬合」和「欠擬合」問題
1.2.3 材料數據挖掘的常用方法
1.2.4 材料數據挖掘的基本流程
1.3 材料數據挖掘應展
1.4 材料數據挖掘發展趨勢
參考文獻
第2章 回歸分析
2.1 回歸分析方
2.2 線性回歸
2.2.1 一元線性回歸
2.2.2 多元線性回歸
2.2.3 違背基本假設的情況與處理
2.3 嶺回歸
2.4 套索算法
2.5 偏小二乘回歸
2.6 邏輯回歸
參考文獻
第3章 統計模式識別
3.1 統計模式識別概論
3.2 近鄰
3.3 主成分分析
3.4 多重判別矢量和費歇爾判別矢量
3.5 非線性映照
3.6 模式識別應用技術
3.6.1 很好投影識別
3.6.2 超多面體建模
3.6.3 逐級投影建模
3.6.4 很好投影回歸
3.6.5 模式識別逆投影
參考文獻
第4章 決策樹
4.1 決策樹概論
4.2 決策樹
4.3 隨機決策樹
4.4 隨機森林
4.5 梯度提升決策樹
4.6 提升算法
4.7 快速梯度提升算法
參考文獻
第5章 聚類方法
5.1 k均值聚類方法
5.2 噪聲密度聚類方法
5.3 評估指標
參考文獻
第6章 人工神經網絡
6.1 反向人工神經網絡
6.2 Kohonen自組織網絡
參考文獻
第7章 遺傳算法和遺傳回歸
7.1 遺傳算法
7.2 遺傳回歸
參考文獻
第8章 支持向量機方法
8.1 統計學簡介
8.1.1 背景
8.1.2 原理
8.2 支持向量分類算法
8.2.1 線性可分情形
8.2.2 非線性可分情形
8.3 支持向量機的核函數
8.4 支持向量回歸方法
8.4.1 線性回歸情形
8.4.2 非線性回歸情形
8.5 支持向量機分類與回歸算法的實現
8.6 應用前景
參考文獻
第9章 集成學
9.1 集成學概述
9.2 Boosting算法
9.3 AdaBoost算法
9.4 Bagging算法
參考文獻
第10章 特徵選擇方法和應用
10.1 特徵變量篩選方
10.2 過濾式
10.2.1 方差選擇法
10.2.2 相關係數法
10.2.3 優選信息係數
10.2.4 優選相關小冗餘
10.2.5 卡方檢驗
10.2.6 Relief
10.3 封裝式
10.3.1 全局很優搜索
10.3.2 啟發式搜索
10.3.3 隨機搜索
10.4 嵌入式
10.5 小結
參考文獻
第11章 材料數據挖掘在線計算平台
11.1 材料數據挖掘在線計算平台技術簡介
11.1.1 OCPMDM平台架構
11.1.2 OCPMDM平台技術簡介
11.1.3 分布式計算簡介與使用
11.2 材料數據挖掘在線計算能介紹
11.2.1 機器學
11.2.2 材料描述符填充
11.2.3 數據特徵篩選
11.2.4 智能建模
11.2.5 鈣鈦礦材料高通量虛擬篩選
11.2.6 模型分享
11.3 材料數據挖掘在線計算平台應用案例
11.3.1 數據來源
11.3.2 研究流程
11.3.3 結果與討論
11.4 小結
參考文獻
第12章 鈣鈦礦型材料的數據挖掘
12.1 鈣鈦礦型材料數據挖掘概論
12.2 鈣鈦礦型材料居里溫度的數據挖掘
12.2.1 數據集
12.2.2 特徵變量篩選
12.2.3 參數優化
12.2.4 模型的評價
12.2.5 模型的檢驗
12.2.6 虛擬篩選
12.3 鈣鈦礦型材料比表面積的數據挖掘
12.3.1 數據集
12.3.2 特徵變量篩選
12.3.3 SVR模型的建立與留一法檢驗
12.3.4 與其他算法的結果比較
12.3.5 SVR外部測試集驗證
12.3.6 高通量篩選
12.3.7 模型分享
12.3.8 模型的模式識別解釋
12.3.9 模型的敏感性分析
12.4 小結
參考文獻
第13章 染料敏化太陽能電池材料的數據挖掘
13.1 概述
13.1.1 染料敏化太陽能電池
13.1.2 染料敏化劑及其數據挖掘研究現狀
13.1.3 N-P類敏化劑研究現狀
13.2 N-P類敏化劑的數據挖掘
13.2.1 數據集與特徵變量的計算
13.2.2 特徵變量的篩選和建模
13.2.3 模型的驗證
13.3 分子設計與性能預報
13.3.1 特徵變量的解釋
13.3.2 分子設計與PCE預報
13.4 量化驗證
13.4.1 計算方法
13.4.2 電子結構
13.4.3 吸收光譜
13.4.4 染料和TiO2絡合物
13.4.5 綜合效率
13.5 小結
參考文獻
第14章 高分子材料的數據挖掘
14.1 概述
14.1.1 高分子材料數據挖掘研究現狀
14.1.2 高分子指紋描述符
14.2 高分子材料設計算法
14.2.1 遺傳
參考文獻
- ↑ 國家對出版社等級是怎樣評估的 ，搜狐，2024-07-06
- ↑ 化學工業出版社有限公司簡介，化學工業出版社有限公司