首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

ABC2半导体化合物性能预测和数据挖掘平台开发

摘要第6-7页
Abstract第7页
目录第8-11页
第一章 绪论第11-14页
    1.1 材料设计简介第11页
    1.2 数据挖掘简介第11-13页
        1.2.1 数据挖掘的含义第11-12页
        1.2.2 数据挖掘的流程第12-13页
    1.3 涉及的计算机常识第13页
    1.4 本文的主要内容第13-14页
第二章 机器学习算法简介第14-29页
    2.1 概述第14-15页
    2.2 最近邻分类算法第15-16页
    2.3 线性回归第16-17页
    2.4 人工神经网络算法第17-18页
    2.5 支持向量机算法第18-24页
        2.5.1 支持向量机分类算法第18-22页
        2.5.2 核函数第22页
        2.5.3 支持向量机回归算法第22-24页
    2.6 决策树第24-25页
    2.7 遗传算法第25-27页
        2.7.1 基本概念第25-26页
        2.7.2 遗传算子第26-27页
            2.7.2.1 选择算子第26页
            2.7.2.2 交叉算子第26页
            2.7.2.3 变异算子第26-27页
    2.8 粒子群算法第27页
    2.9 特征选择算法第27-28页
        2.9.1 mRMR 算法第27-28页
        2.9.2 FFBS 算法第28页
    2.10 本章小结第28-29页
第三章 数据挖掘平台第29-64页
    3.1 概述第29-33页
    3.2 数据预处理第33-39页
        3.2.1 特征降维第33-34页
        3.2.2 筛选变量(过滤式)第34-37页
        3.2.3 筛选变量(嵌入式)第37-39页
    3.3 统计分析第39-41页
    3.4 函数拟合第41-43页
    3.5 模式识别第43-45页
        3.5.1 主成份分析第43页
        3.5.2 判别矢量第43-44页
        3.5.3 球形映照第44-45页
        3.5.4 偏最小二乘法第45页
    3.6 分类第45-48页
        3.6.1 最近邻方法第45-46页
        3.6.2 支持向量机分类第46-47页
        3.6.3 决策树 ID3第47页
        3.6.4 决策树 C4.5第47-48页
        3.6.5 K-均值聚类第48页
        3.6.6 模糊聚类第48页
    3.7 回归第48-52页
        3.7.1 经典回归方法第48-49页
        3.7.2 逐步多元线性回归第49页
        3.7.3 神经网络第49页
        3.7.4 支持向量机回归第49-52页
    3.8 集成学习第52-53页
    3.9 图形功能第53-57页
        3.9.1 显示第53-56页
        3.9.2 选取样本第56-57页
    3.10 模型分析和模型导出第57-60页
        3.10.1 模型分析第57-59页
        3.10.2 模型导出第59-60页
    3.11 附加功能第60-63页
        3.11.1 文档输出第60-62页
        3.11.2 参数保存和导入第62-63页
    3.12 本章小结第63-64页
第四章 ABC_2半导体化合物性质预报第64-96页
    4.1 引言第64页
    4.2 ABC_2体系的原子参数第64页
    4.3 ABC_2化合物形成规律研究第64-70页
        4.3.1 数据集第64页
        4.3.2 模型和特征选择第64-68页
        4.3.3 结果和讨论第68-70页
    4.4 ABC_2化合物结构规律研究第70-76页
        4.4.1 数据准备第70-72页
        4.4.2 模型和特征选择第72-73页
        4.4.3 结果和讨论第73-76页
    4.5 半导体化合物 ABC_2禁带宽度预测第76-86页
        4.5.1 数据收集第76页
        4.5.2 模型和特征选择第76-79页
        4.5.3 结果和讨论第79-86页
    4.6 半导体化合物 ABC_2熔点预测第86-95页
        4.6.1 数据收集第86页
        4.6.2 模型和特征选择第86-89页
        4.6.3 结果和讨论第89-95页
    4.7 本章小结第95-96页
第五章 总结与展望第96-98页
    5.1 全文总结第96页
    5.2 工作展望第96-98页
附录一第98-102页
参考文献第102-111页
攻读博士学位期间发表的论文第111-112页
攻读博士学位期间参与的项目第112-113页
致谢第113页

论文共113页,点击 下载论文
上一篇:城市污泥与垃圾焚烧飞灰协同共处置及资源化利用探究
下一篇:硅基有机发光二极管微显示器的驱动技术研究