《材料数据挖掘方法与应用》 - 陆文聪、李敏杰、纪晓波著 - 化学工业出版社 - 香港大書城

	登入帳戶　 \|　訂單查詢　 \|　購物車/收銀台(0)　\|　在線留言板　 \|　付款方式　 \|　運費計算　 \|　聯絡我們　 \|　幫助中心　\|　加入書簽
		會員登入新用戶登記

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

臺灣用戶

品種：超過100萬種各類書籍/音像和精品，正品正價，放心網購，悭钱省心

服務：香港／台灣／澳門／海外

送貨：速遞／郵局／服務站

新書上架：簡體書繁體書
暢銷書架：簡體書繁體書
好書推介：簡體書繁體書

『簡體書』材料数据挖掘方法与应用

書城自編碼： 3750388
分類：簡體書→大陸圖書→工業技術→化學工業
作者：陆文聪、李敏杰、纪晓波著
國際書號(ISBN)： 9787122405975
出版社：化学工业出版社
出版日期： 2022-06-01

頁數/字數： /
書度/開本： 16开釘裝：精装

售價：HK$ 147.2

我要買件

** 我創建的書架 **
未登入.

新書推薦：

《诛仙.全6册（最新典藏版）》
售價：HK$ 348.5

《怦然心动的人生整理魔法·实践解惑篇2025版修订本》
售價：HK$ 54.8

《修剪情绪藤蔓》
售價：HK$ 76.9

《 3秒下单文案：4步成交法则》
售價：HK$ 65.8

《中式园林的秩序（文津图书奖得主朱良志教授的园林美学新作，在园林里读懂中国人的生命哲学）》
售價：HK$ 96.8

《魏晋之变：门阀政治与中古中国社会秩序的重塑》
售價：HK$ 96.8

《诈骗社会学：谎言与信任的攻防》
售價：HK$ 63.8

《甲子园高校棒球100年与近现代日本》
售價：HK$ 64.9

編輯推薦：

读者可以免费利用作者团队自主开发的OCPMDM在线计算平台，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。

內容簡介：

《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。

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

內容試閱：

计算机在材料科学与工程各个领域的广泛应用，极大地促进了材料科学的发展，并产生了一系列交叉学科和新的研究领域，如计算材料学、材料信息学、材料数据挖掘等。
材料领域积累了大量的科学实验和生产实际数据，如何总结这些数据中的规律性，进而用以指导以后的科学实验和生产操作，这是一项非常有意义的工作，这项工作的实施需要数据挖掘技术与材料知识和科学实践的结合。
所谓材料数据挖掘（materials data mining），就是利用现代统计科学理论和机器学习方法及计算机应用软件对材料科学和工程领域中的复杂数据样本进行采集、整理、分析、建模、预测、评价、优化和应用等工作，试图归纳和总结数据中蕴含的规律性，进而利用所建定性或定量的数学模型预报未知样本的性质，达到总结材料内秉规律、探索并创制国民经济急需新材料的目的。材料数据挖掘的应用研究内容涉及材料设计、材料制备、材料表征和服役性能优化的全研究链。材料数据挖掘方法和技术已成为材料信息学的主要研究工具，在材料基因组工程研究领域具有特别重要的意义。
利用材料数据挖掘方法和技术，可以总结新材料的物理和化学性质与其组成元素的原子参数、化学配方、制备工艺等参数之间的定性或定量关系，用以加快新材料研制和新产品开发，达到“事半功倍”的效果。利用材料数据挖掘方法和技术，对大型现代材料制备或加工企业的生产操作过程做“工业诊断”，找出产品的“生产瓶颈”问题（包括质量问题、产量问题、能耗问题等），建立解决“生产瓶颈”问题的数据挖掘模型，用以实现保质保量的材料生产或加工。因此，利用材料数据挖掘所得研究对象的统计规律，可以指导我们更好地开展下一步的科学实验和生产实践，达到挖潜增效的目的。材料数据挖掘方法和技术的应用成本低，却可能在材料研发过程中节省人力物力，甚至在材料工业生产中产生可观的经济效益，并能达到立竿见影的效果，因而数据挖掘方法和技术在材料科学和工程领域有广阔的应用前景。
笔者长期从事数据挖掘方法和技术在材料领域的应用研究工作，在该研究领域积累了大量成功应用实例。笔者团队开发的材料数据挖掘在线计算平台（online computation platform for materials data mining，OCPMDM，请见第11章）已在钙钛矿型材料、聚合物材料、染料敏化太阳能电池材料的设计和筛选工作中得到成功应用。开发的基于数据挖掘的工业优化控制系统已在国内若干大型企业得到实际应用，达到了增产降耗的目的。本书从材料科学工作者易于理解的角度介绍常用数据挖掘方法的基本原理，并重点介绍笔者近年来在材料设计和工业优化等领域的数据挖掘工作。
本书有关科研工作得到了科学技术部、国家自然科学基金委员会、上海市科学技术委员会等的资助；有关学术研究和技术开发工作得到了笔者的研究生们的大力配合，其中张庆（已毕业博士）和畅东平（在读博士）开发了材料数据挖掘在线计算平台（第11章），卢天（在读博士）改进了基于数据挖掘的工业优化控制系统软件（第15章）；有关材料数据挖掘的应用研究案例主要取自于笔者近年来承担科研项目和指导研究生（包括刘太昂、翟秀云、石丽、徐潇、俱李菲、徐鹏程等）的工作（第12～14章）；卢天、连正亨、陈慧敏等研究生参与了若干机器学习算法的编写工作。本书的出版得到了笔者负责的国家重点研发计划课题“材料大数据挖掘和分析技术”（隶属于北京科技大学宿彦京教授负责的“材料基因工程专用数据库和大数据分析技术”国家重点研发计划项目）的资助；出版计划和工作进程得到了上海大学材料基因组工程研究院张统一院士的鼓励和支持；化学工业出版社相关工作人员也支持了本书的出版工作。在此一并致谢！
本书可供材料科学与工程等相关领域的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的教学参考书。
材料数据挖掘涉及的研究领域很广，本书只是介绍了部分行之有效的数据挖掘方法在笔者涉猎的研究领域中的工作，受笔者的学识水平和工作内容所限，疏漏和不足之处在所难免，欢迎各位读者和研究同行提出宝贵意见。

陆文聪
于上海大学

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	香港用户　 \|　台灣用户　\|　海外用户

	megBook.com.hk
Copyright © 2013 - 2025 （香港）大書城有限公司　 All Rights Reserved.