登入帳戶　 |　訂單查詢　 |　購物車/收銀台( 0 )　|　在線留言板　 |　付款方式　 |　聯絡我們　 |　運費計算　 |　幫助中心　|　 加入書簽
	全部範圍 - 圖書 - 　- 中文簡體書(大陸書) - 　- 英文書（原版） - - 音碟 - 　- 音樂 - 　- 影視 - - 雜誌 - 全文 精確	會員登入 新註冊 |　新用戶登記

HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / EMS，時效：出貨後2-3日

新書推薦： 《 食光中的论语——孔府菜的美味秘境 》 售價：NT$ 354.0 《 全球价值链测度理论、方法与应用--基于投入产出模型 》 售價：NT$ 780.0 《 神秘文化与先秦两汉诗学 》 售價：NT$ 671.0 《 重大决策社会稳定风险评估指南：理论·方法·案例 》 售價：NT$ 666.0 《 俾斯麦与德意志崛起（牛津大学课堂讲义，带你重新审视俾斯麦与德国近代史！德裔英国历史学家埃里克·埃克，用全新的视角，重新为你解读德意志统一的神话！世界历史） 》 售價：NT$ 311.0 《 现代工笔重彩画技法解析 》 售價：NT$ 463.0 《 欧洲文明的进程（《欧洲文明十五讲》的延伸与细化，欧洲学创始人陈乐民巨作，深度解析欧洲的发展真相） 》 售價：NT$ 718.0 《 法理学十六讲：主题与理论 》 售價：NT$ 374.0

建議一齊購買： + NT$ 490 《 增材制造技术原理及应用 》 + NT$ 389 《 固体电解质材料 》 + NT$ 2255 《 激光选区烧结3D打印技术（上、下册） 》 + NT$ 365 《 化妆品科学与技术丛书--化妆品植物原料开发与应用 》 + NT$ 1554 《 粉末涂料与涂装技术（第四版） 》 + NT$ 394 《 毒剂毒物分析与检测技术 》 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。 目錄： 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.tw
Copyright (C) 2013 - 2024 （香港）大書城有限公司　All Rights Reserved.