机器学习方法在磷酸铝分子筛定向合成中的应用

本书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。
本书不仅对理论方法进行了详细的介绍，还对其应用进行了具体的描述与解析，书中包含很多实例、各种不同方法的介绍与对比、丰富的图表及详细的实验结果分析，不局限于对化学定向合成的研究，可扩展到其他领域的数据分析与建模研究，以期对计算机和化学研究人员进行交叉研究起到抛砖引玉的作用。

《机器学习方法在磷酸铝分子筛定向合成中的应用(精)》编著者齐妙。
《机器学习方法在磷酸铝分子筛定向合成中的应用(精)》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。    《机器学习方法在磷酸铝分子筛定向合成中的应用》不仅对理论方法进行了详细的介绍，还对其应用进行了具体的描述与解析，不局限于对化学定向合成的研究，可扩展到其他领域的数据分析与建模研究，以期对计算机和化学研究人员进行交叉研究起到抛砖引玉的作用。

第1章 绪论 1
1.1 沸石分子筛 3
1.2 磷酸铝分子筛 4
1.3 分子筛的应用与发展 6
1.4 研究意义与研究内容 7
参考文献 11
第2章 磷酸铝合成反应数据库 17
2.1 磷酸铝合成反应数据库参数 18
2.2 磷酸铝分子筛孔道维数 22
2.3 磷酸铝分子筛骨架元素组成 23
2.4 产物的结构维数 24
2.5 合成模板剂 25
2.6 本章小结 26
参考文献 27
第3章 经典机器学习方法 29
3.1 数据降维与回归方法 30
3.1.1 主成分分析 30
3.1.2 岭回归 32
3.1.3 偏最小二乘 33
3.1.4 Logistic回归 37
3.2 数据聚类与分类方法 39
3.2.1 模糊c均值 39
3.2.2 k近邻分类器 41
3.2.3 BP神经网络 42
3.2.4 决策树 44
3.2.5 支持向量机 47
3.2.6 AdaBoost 51
3.3 本章小结 53
参考文献 54
第4章 补值方法在磷酸铝合成数据库上的研究与应用 61
4.1 背景介绍 62
4.2 补值方法简介 63
4.2.1 k近邻补值方法 64
4.2.2 奇异值分解补值方法 64
4.2.3 BP补值方法 65
4.2.4 最小二乘补值方法 65
4.3 实验结果与分析 66
4.3.1 补值实验设计与结果分析 67
4.3.2 补值算法对现有数据的修正 80
4.4 本章小结 81
参考文献 82
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 87
5.1 背景介绍 88
5.2 特征选择方法简介 89
5.3 集成式特征选择方法 90
5.3.1 特征预排序阶段 90
5.3.2 特征加权融合阶段 94
5.3.3 再选择阶段 95
5.3.4 实验结果与分析 96
5.4 基于随机子空间的特征选择方法 101
5.4.1 基于PCA的随机子空间方法 102
5.4.2 Fisher得分融合与顺序前向搜索 103
5.4.3 实验结果与分析 103
5.5 本章小结 108
参考文献 109
第6章 采样方法在磷酸铝合成数据库上的研究与应用 113
6.1 背景介绍 114
6.2 采样方法简介 115
VI 机器学习方法在磷酸铝分子筛定向合成中的应用
6.3 基于FCM采样方法 117
6.4 基于FCM采样方法对特定合成产物类型的预测 119
6.4.1 采用岭回归方法预测合成产物的类型 124
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 131
6.5 本章小节 136
参考文献