材料数据挖掘方法与应用

图书标准信息

• 作者 纪晓波 著；陆文聪；李敏杰
• 出版社 化学工业出版社
• 出版时间 2022-06
• 版次 1
• ISBN 9787122405975
• 定价 128.00元
• 装帧 精装
• 开本 16开
• 纸张 胶版纸
• 页数 251页
• 字数 279千字

【内容简介】

《材料数据挖掘方法与应用》详细介绍了材料数据挖掘的研究背景、常用方法、具体步骤和作者团队自主开发的在线计算平台OCPMDM（online computation platform for materials data mining，http:/materials-data-mining.com/ocpmdm/）的应用，重点阐述了OCPMDM在线计算平台在材料设计（钙钛矿型材料、染料敏化太阳能电池材料等）和化工优化（氟橡胶工艺优化等）中的应用。本书方便读者学以致用，读者可以免费利用OCPMDM软件平台，构建并分享材料数据挖掘模型，用于虚拟样本的高通量筛选，加快新材料研发进程。
  本书可供材料科学与工程等相关领域科研人员和工程技术人员阅读，亦可作为高等院校材料数据挖掘研究方向师生的教学参考书。

【作者简介】

无

【目录】

第1章  材料数据挖掘综述 001

1.1  材料数据挖掘的研究背景 001

1.1.1  材料数据挖掘与材料设计 004

1.1.2  材料数据挖掘与材料信息学 006

1.1.3  材料数据挖掘与材料基因组工程 008

1.1.4  材料数据挖掘与材料工业优化 011

1.2  材料数据挖掘方法概要 012

1.2.1  材料数据挖掘问题的数学表达 013

1.2.2  材料数据挖掘模型的“过拟合”和“欠拟合”问题 013

1.2.3  材料数据挖掘的常用方法 015

1.2.4  材料数据挖掘的基本流程 019

1.3  材料数据挖掘应用进展 021

1.4  材料数据挖掘发展趋势 023

参考文献 025

第2章  回归分析 029

2.1  回归分析方法概论 029

2.2  线性回归 030

2.2.1  一元线性回归 030

2.2.2  多元线性回归 032

2.2.3  违背基本假设的情况与处理 033

2.3  岭回归 034

2.4  套索算法 036

2.5  偏小二乘回归 038

2.6  逻辑回归 040

参考文献 042

第3章  统计模式识别 043

3.1  统计模式识别概论 043

3.2  近邻 045

3.3  主成分分析 046

3.4  多重判别矢量和费歇尔判别矢量 048

3.5  非线性映照 052

3.6  模式识别应用技术 053

3.6.1  投影识别 054

3.6.2  超多面体建模 056

3.6.3  逐级投影建模 056

3.6.4  投影回归 058

3.6.5  模式识别逆投影 061

参考文献 062

第4章  决策树 063

4.1  决策树概论 063

4.2  决策树 064

4.3  随机决策树 066

4.4  随机森林 067

4.5  梯度提升决策树 069

4.6  极限梯度提升算法 071

4.7  快速梯度提升算法 074

参考文献 076

第5章  聚类方法 077

5.1  k均值聚类方法 077

5.2  噪声密度聚类方法 078

5.3  评估指标 079

参考文献 081

第6章  人工神经网络 082

6.1  反向人工神经网络 083

6.2  Kohonen自组织网络 085

参考文献 086

第7章  遗传算法和遗传回归 087

7.1  遗传算法 087

7.2  遗传回归 089

参考文献 092

第8章  支持向量机方法 094

8.1  统计学习理论简介 095

8.1.1  背景 095

8.1.2  原理 095

8.2  支持向量分类算法 097

8.2.1  线性可分情形 097

8.2.2  非线性可分情形 098

8.3  支持向量机的核函数 099

8.4  支持向量回归方法 101

8.4.1  线性回归情形 101

8.4.2  非线性回归情形 102

8.5  支持向量机分类与回归算法的实现 103

8.6  应用前景 104

参考文献 105

第9章  集成学习方法 107

9.1  集成学习算法概述 107

9.2  Boosting算法 110

9.3  AdaBoost算法 111

9.4  Bagging算法 113

参考文献 114

第10章  特征选择方法和应用 116

10.1  特征变量筛选方法概论 116

10.2  过滤式 118

10.2.1  方差选择法 118

10.2.2  相关系数法 118

10.2.3  信息系数 119

10.2.4  相关小冗余 120

10.2.5  卡方检验 121

10.2.6  Relief 121

10.3  封装式 122

10.3.1  全局搜索 122

10.3.2  启发式搜索 123

10.3.3  随机搜索 124

10.4  嵌入式 124

10.5  小结 125

参考文献 126

第11章  材料数据挖掘在线计算平台 128

11.1  材料数据挖掘在线计算平台技术简介 128

11.1.1  OCPMDM平台架构 129

11.1.2  OCPMDM平台技术简介 130

11.1.3  分布式计算简介与使用 131

11.2  材料数据挖掘在线计算平台功能介绍 132

11.2.1  机器学习算法 133

11.2.2  材料描述符填充 134

11.2.3  数据特征筛选 134

11.2.4  智能建模 135

11.2.5  钙钛矿材料高通量虚拟筛选 135

11.2.6  模型分享 135

11.3  材料数据挖掘在线计算平台应用案例 136

11.3.1  数据来源 136

11.3.2  研究流程 137

11.3.3  结果与讨论 137

11.4  小结 145

参考文献 146

第12章  钙钛矿型材料的数据挖掘 148

12.1  钙钛矿型材料数据挖掘概论 148

12.2  钙钛矿型材料居里温度的数据挖掘 149

12.2.1  数据集 150

12.2.2  特征变量筛选 151

12.2.3  参数优化 152

12.2.4  模型的评价 154

12.2.5  模型的检验 156

12.2.6  虚拟筛选 156

12.3  钙钛矿型材料比表面积的数据挖掘 158

12.3.1  数据集 159

12.3.2  特征变量筛选 160

12.3.3  SVR模型的建立与留一法检验 162

12.3.4  与其他算法的结果比较 165

12.3.5  SVR外部测试集验证 165

12.3.6  高通量筛选 167

12.3.7  模型分享 169

12.3.8  模型的模式识别解释 169

12.3.9  模型的敏感性分析 170

12.4  小结 172

参考文献 173

第13章  染料敏化太阳能电池材料的数据挖掘 176

13.1  概述 176

13.1.1  染料敏化太阳能电池 176

13.1.2  染料敏化剂及其数据挖掘研究现状 177

13.1.3  N-P类敏化剂研究现状 179

13.2  N-P类敏化剂的数据挖掘 179

13.2.1  数据集与特征变量的计算 180

13.2.2  特征变量的筛选和建模 181

13.2.3  模型的验证 184

13.3  分子设计与性能预报 185

13.3.1  特征变量的解释 185

13.3.2  分子设计与PCE预报 187

13.4  量化验证 189

13.4.1  计算方法 189

13.4.2  电子结构 191

13.4.3  吸收光谱 194

13.4.4  染料和TiO2络合物 195

13.4.5  综合效率 196

13.5  小结 199

参考文献 200

第14章  高分子材料的数据挖掘 204

14.1  概述 204

14.1.1  高分子材料数据挖掘研究现状 205

14.1.2  高分子指纹描述符 206

14.2  高分子材料设计算法 207

14.2.1  遗传算法 207

14.2.2  贝叶斯算法 208

14.3  高分子禁带宽度的数据挖掘 210

14.3.1  研究背景 210

14.3.2  数据集 210

14.3.3  DFT方法探索 211

14.3.4  特征变量筛选 212

14.3.5  模型筛选 212

14.3.6  SVC模型的建立与验证 215

14.3.7  特征相关性分析 216

14.3.8  特征敏感性分析 218

14.3.9  模型分享 219

14.3.10  分子设计 219

14.4  小结 221

参考文献 221

第15章  基于数据挖掘的氟橡胶门尼黏度优化控制 223

15.1  研究背景 223

15.2  研究思路 225

15.3  研究内容 225

15.4  氟橡胶生产优化控制软件BDMOS介绍 227

15.5  BDMOS软件具体功能 228

15.5.1  数据导入 228

15.5.2  统计信息 230

15.5.3  变量重要性分析 234

15.5.4  数据挖掘模型 234

15.6  氟橡胶简介 239

15.7  氟橡胶生产数据挖掘 242

15.7.1  数据集收集 242

15.7.2  模型建立 245

15.7.3  模型检验 246

15.8  小结 248

参考文献 249

索引 250