首页--工业技术论文--化学工业论文--一般性问题论文--基础理论论文--化工计算论文--计算技术论文

新型特征选择与机器学习结合方法在化工数据中的应用

摘要第4-6页
ABSTRACT第6-8页
创新点第9-13页
引言第13-14页
第1章 文献综述第14-22页
    1.1 特征选择方法综述第14-18页
        1.1.1 降维的动因与方法第14-15页
        1.1.2 过滤法(Filter)第15页
        1.1.3 卷积法(Wrapper)第15-17页
        1.1.4 内嵌法(Embeddedtechniques)第17-18页
    1.2 机器学习算法(Machinelearning)第18-20页
        1.2.1 自组织特征映射(SOM)第18-19页
        1.2.2 支持向量机(SVM)第19-20页
    1.3 已有特征选择方法的问题第20-21页
    1.4 论文研究内容第21-22页
第2章 基于Boruta算法新型顺序变量消除法的研究与应用第22-47页
    2.1 随机森林(Random Forest)第22-23页
    2.2 Boruta算法第23-24页
    2.3 新型Boruta-Random Forest顺序变量消除法的提出第24-26页
    2.4 在化合物降解性分类数据的应用第26-33页
        2.4.1 引言第26-27页
        2.4.2 数据与软件第27页
        2.4.3 结果与讨论第27-32页
        2.4.4 小结第32-33页
    2.5 在CO_2吸收工艺上的应用与优化第33-47页
        2.5.1 引言第33页
        2.5.2 过程描述第33-34页
        2.5.3 过程建模第34-39页
        2.5.4 结果与讨论第39-46页
        2.5.5 小结第46-47页
第3章 基于自组织网络变量聚类的特征子集优选第47-63页
    3.1 卷积法(Wrapper)过拟合问题第47-48页
    3.2 基于SOM变量聚类的新型卷积法的提出第48-50页
    3.3 SOM-RF卷积法在化合物可降解性数据中的应用第50-61页
        3.3.1 遗传算法作为优化方法第50-51页
        3.3.2 试验设计第51页
        3.3.3 基准普通卷积法第51-54页
        3.3.4 SOM-RF卷积法第54-61页
    3.4 小结第61-63页
第4章 多目标特征子集优选在预测纯组分辛烷值上的应用第63-85页
    4.1 多目标变量选择的目的与意义第63-64页
    4.2 NSGA-Ⅱ作为多目标优化方法第64页
    4.3 多目标特征子集选择预测纯组分辛烷值第64-83页
        4.3.1 引言第65-66页
        4.3.2 材料第66-67页
        4.3.3 两步特征子集选择法第67-69页
        4.3.4 结果与讨论第69-83页
    4.4 所选分子描述符的含义第83页
    4.5 小结第83-85页
第5章 两阶段多目标卷积法在化合物可降解性中的应用第85-96页
    5.1 多目标卷积法中的过拟合第85-86页
    5.2 两阶段多目标卷积法第86-88页
        5.2.1 两阶段卷积法的提出第86-87页
        5.2.2 两阶段卷积法的有效性第87-88页
    5.3 基于weighted-sum验证降低过拟合第88-90页
    5.4 试验设计第90-91页
    5.5 结果与讨论第91-94页
    5.6 各方法结果对比第94-95页
    5.7 小结第95-96页
第6章 遗传算法与模式搜索法结合在Lurgi Type甲醇合成中的多目标动态优化第96-109页
    6.1 引言第96-97页
    6.2 模型的建立第97-102页
        6.2.1 反应器模型第98-99页
        6.2.2 反应动力学第99-100页
        6.2.3 失活模型第100-101页
        6.2.4 模拟第101-102页
        6.2.5 问题公式化第102页
    6.3 遗传算法与模式搜索结合方法(GA-GPS)第102-106页
        6.3.1 遗传算法的有效性以及问题第103-104页
        6.3.2 结合遗传算法与模式搜索(GA-GPS)第104-106页
    6.4 结果与讨论第106-108页
        6.4.1 壳层温度的动态阶梯优化第106页
        6.4.2 壳层温度与CO_2循环率同时优化第106-108页
    6.5 小结第108-109页
第7章 结论第109-112页
参考文献第112-120页
附录A 辛烷值预测所选分子描述符的含义第120-123页
致谢第123-124页
个人简历、在学期间发表的学术论文及研究成果第124-125页
学位论文数据集第125页

论文共125页,点击 下载论文
上一篇:深水钻井浅层土力学参数随钻评价方法研究
下一篇:产学研合作主体差异性、关系强度对知识转移的调节效应研究