| 内容提要 | 第1-7页 |
| 第一章 绪论 | 第7-16页 |
| ·数据挖掘的概念及其主要方法 | 第7-12页 |
| ·统计方法 | 第8页 |
| ·聚类分析 | 第8页 |
| ·决策树 | 第8-9页 |
| ·关联规则 | 第9页 |
| ·人工神经网络 | 第9-10页 |
| ·遗传算法 | 第10页 |
| ·粗糙集 | 第10-11页 |
| ·可视化方法 | 第11-12页 |
| ·微孔化合物定向合成相关 | 第12-15页 |
| ·微孔化合物及微孔化合物的分子工程学 | 第12-14页 |
| ·数据挖掘在化学中的应用 | 第14-15页 |
| ·本文工作简介 | 第15-16页 |
| 第二章 神经网络和因子分析的理论基础 | 第16-31页 |
| ·神经网络简介 | 第16-22页 |
| ·神经网络发展和应用 | 第16-18页 |
| ·神经网络模型 | 第18-20页 |
| ·BP 神经网络 | 第20-22页 |
| ·因子分析相关 | 第22-30页 |
| ·因子分析及其基本思想 | 第22-26页 |
| ·因子分析处理方法 | 第26-30页 |
| ·因子分析与BP 神经网络结合 | 第30-31页 |
| 第三章 基于因子分析的BP 神经网络在磷酸铝多孔化合物合成数据分析中的应用 | 第31-45页 |
| ·项目背景 | 第31-32页 |
| ·基于因子分析的BP 神经网络在磷酸铝多孔化合物合成数据分析中的应用 | 第32-45页 |
| ·数据分析 | 第32-33页 |
| ·数据预处理阶段 | 第33-39页 |
| ·用经过预处理的数据训练和建立BP 神经网络模型 | 第39-45页 |
| 第四章 实验验证 | 第45-54页 |
| ·建立其他模型 | 第45-52页 |
| ·使用原始数据建立线性回归预测模型 | 第45-47页 |
| ·使用原始数据建立BP 神经网络模型 | 第47-49页 |
| ·使用原始数据建立决策树预测模型(基于c4.5 决策树算法) | 第49-52页 |
| ·通过对比检验实际效果 | 第52-54页 |
| 第五章 结语 | 第54-55页 |
| ·工作总结 | 第54页 |
| ·进一步工作 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 摘要 | 第58-61页 |
| ABSTRACT | 第61-64页 |
| 致谢 | 第64-65页 |
| 导师及作者简介 | 第65页 |
