| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 课题来源 | 第13页 |
| 1.2 课题研究的背景和意义 | 第13-16页 |
| 1.3 国内外研究概况 | 第16-23页 |
| 1.3.1 锂离子电池材料离子电导率预测的传统材料方法 | 第16-19页 |
| 1.3.2 锂离子电池材料离子电导率预测的机器学习方法 | 第19-23页 |
| 1.4 论文的主要研究内容及其安排 | 第23-27页 |
| 1.4.1 本文主要研究内容 | 第23-25页 |
| 1.4.2 本文的内容安排 | 第25-27页 |
| 第二章 融合专家经验的多层级特征分析方法 | 第27-61页 |
| 2.1 离子电导率描述因子分析与特征构造的研究现状及存在的问题 | 第27-29页 |
| 2.2 离子电导率描述因子分析及特征构造 | 第29-41页 |
| 2.2.1 固态电解质材料数据采集 | 第30-34页 |
| 2.2.2 描述因子分析及特征构造 | 第34-41页 |
| 2.3 融合专家经验的多层级特征分析方法 | 第41-50页 |
| 2.3.1 专家经验表示方法 | 第42-43页 |
| 2.3.2 多层级特征分析方法的具体步骤 | 第43-49页 |
| 2.3.3 协同策略研究 | 第49-50页 |
| 2.4 实验 | 第50-60页 |
| 2.4.1 实验数据 | 第50-51页 |
| 2.4.2 实验设置 | 第51-53页 |
| 2.4.3 实验结果与分析 | 第53-60页 |
| 2.5 小结 | 第60-61页 |
| 第三章 基于云模型-聚类的固态电解质筛选方法 | 第61-80页 |
| 3.1 固态电解质材料筛选研究现状及存在的问题 | 第61-62页 |
| 3.2 聚类分析方法及其在固态电解质筛选中的应用现状与问题 | 第62-65页 |
| 3.2.1 聚类简介 | 第62-64页 |
| 3.2.2 聚类在固态电解质筛选中的应用现状与存在的问题 | 第64-65页 |
| 3.3 云模型的研究现状与存在的问题 | 第65-67页 |
| 3.3.1 云模型简介 | 第65-66页 |
| 3.3.2 云模型研究现状与存在的问题 | 第66-67页 |
| 3.4 基于云模型的不确定性聚类方法 | 第67-72页 |
| 3.4.1 聚类中心计算 | 第69-70页 |
| 3.4.2 云模型构建与确定度计算 | 第70-72页 |
| 3.5 实验 | 第72-79页 |
| 3.5.1 实验数据 | 第72-74页 |
| 3.5.2 实验设置 | 第74-75页 |
| 3.5.3 实验结果与分析 | 第75-79页 |
| 3.6 小结 | 第79-80页 |
| 第四章 基于云模型-回归集成的固态电解质离子电导率预测方法 | 第80-95页 |
| 4.1 回归方法及其在固态电解质离子电导率预测中的研究现状与问题 | 第80-83页 |
| 4.1.1 回归方法简介 | 第80-82页 |
| 4.1.2 回归方法在固态电解质离子电导率预测中的研究现状与问题.. | 第82-83页 |
| 4.2 集成学习及其在固态电解质离子电导率预测中的研究现状与问题 | 第83-84页 |
| 4.2.1 集成学习简介 | 第83-84页 |
| 4.2.2 集成学习在固态电解质离子电导率预测中的研究现状与问题.. | 第84页 |
| 4.3 基于云模型的回归方法的研究现状及存在的问题 | 第84-85页 |
| 4.4 基于云模型的回归集成方法 | 第85-89页 |
| 4.4.1 方法的主要思想和步骤 | 第85-86页 |
| 4.4.2 函数云发生器 | 第86-88页 |
| 4.4.3 结合策略 | 第88-89页 |
| 4.5 实验 | 第89-94页 |
| 4.5.1 实验数据 | 第89-90页 |
| 4.5.2 实验设置 | 第90-91页 |
| 4.5.3 实验结果与分析 | 第91-94页 |
| 4.6 小结 | 第94-95页 |
| 第五章 结论与展望 | 第95-97页 |
| 5.1 本文主要工作 | 第95-96页 |
| 5.2 展望 | 第96-97页 |
| 参考文献 | 第97-111页 |
| 作者在攻读硕士学位期间公开发表的论文 | 第111-112页 |
| 作者在攻读硕士学位期间所作的项目 | 第112-113页 |
| 致谢 | 第113页 |
