《机器学习方法在磷酸铝分子筛定向合成中的应用》采用基于统计的机器学习理论和方法对磷酸铝分子筛进行了大量的数据挖掘工作，主要介绍了一些经典的机器学习方法，并在磷酸铝合成数据库上进行了一系列的应用研究，估计缺失的合成参数，完善磷酸铝合成数据库；挖掘合成参数对合成产物某一特定结构的影响程度，为定向合成实验提供合理的解释；处理类不平问题对预测模型的性能影响，提高定向合成实验的成功率。
售 价：¥
纸质售价：¥45.80购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
扉页
内容简介
版权页
前言
目录
第1章 绪论
1.1 沸石分子筛
1.2 磷酸铝分子筛
1.3 分子筛的应用与发展
1.4 研究意义与研究内容
参考文献
第2章 磷酸铝合成反应数据库
2.1 磷酸铝合成反应数据库参数
2.2 磷酸铝分子筛孔道维数
2.3 磷酸铝分子筛骨架元素组成
2.4 产物的结构维数
2.5 合成模板剂
2.6 本章小结
参考文献
第3章 经典机器学习方法
3.1 数据降维与回归方法
3.1.1 主成分分析
3.1.2 岭回归
3.1.3 偏最小二乘
3.1.4 Logistic回归
3.2 数据聚类与分类方法
3.2.1 模糊c均值
3.2.2 k近邻分类器
3.2.3 BP神经网络
3.2.4 决策树
3.2.5 支持向量机
3.2.6 AdaBoost
3.3 本章小结
参考文献
第4章 补值方法在磷酸铝合成数据库上的研究与应用
4.1 背景介绍
4.2 补值方法简介
4.2.1 k近邻补值方法
4.2.2 奇异值分解补值方法
4.2.3 BP补值方法
4.2.4 最小二乘补值方法
4.3 实验结果与分析
4.3.1 补值实验设计与结果分析
4.3.2 补值算法对现有数据的修正
4.4 本章小结
参考文献
第5章 特征选择方法在磷酸铝合成数据库上的研究与应用
5.1 背景介绍
5.2 特征选择方法简介
5.3 集成式特征选择方法
5.3.1 特征预排序阶段
5.3.2 特征加权融合阶段
5.3.3 再选择阶段
5.3.4 实验结果与分析
5.4 基于随机子空间的特征选择方法
5.4.1 基于PCA的随机子空间方法
5.4.2 Fisher得分融合与顺序前向搜索
5.4.3 实验结果与分析
5.5 本章小结
参考文献
第6章 采样方法在磷酸铝合成数据库上的研究与应用
6.1 背景介绍
6.2 采样方法简介
6.3 基于FCM采样方法
6.4 基于FCM采样方法对特定合成产物类型的预测
6.4.1 采用岭回归方法预测合成产物的类型
6.4.2 采用偏最小二乘和Logistic回归方法预测合成产物的类型
6.5 本章小节
参考文献
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
