本书全面介绍了化学、化工中复杂数据信息处理的模式识别方法，以及与之结合的人工神经网络、遗传算法和非线性回归方法，列举了大批实际应用成果，并提供读者上机练习的机会，做到学以致用。
本书可供化学、化工及相关领域的科研人员和工程技术人员阅读，亦可作为高等学校的教学参考书。

《计算机化学化工丛书》序
前言
**章 化学化工的复杂数据处理
1.1化学、化工中的几个共性课题
1.2复杂数据处理的困难和对策
1.2.1复杂数据处理的困难
1.2.2复杂数据处理的对策
1.3化学、化工复杂数据处理的意义和价值
1.3.1复杂数据处理是化学科学的一个薄弱环节
1.3.2复杂数据信息采掘是改进化工生产的捷径
1.3.3处理复杂数据必须综合应用多种计算方法
1.4复杂数据信息采掘的信息处理流程
参考文献
第二章 复杂数据信息采掘的主要方法之一——模式识别
2.1模式识别方法的原理和基本概念
2.2数据文件的标准化
2.3主成分分析及其衍生方法
2.3.1主成分分析的原理及KL变换
2.3.2主成分的特性
2.3.3主成分的贡献率
2.3.4主成分算法步骤
2.3.5限值响应问题
2.4白化变换-线性投影法(LMAP)
2.4.1LMAP的原理
2.4.2LMAP算法步骤
2.5*优判别平面方法
2.5.1ODP的原理
2.5.2讨论
2.5.3ODP算法步骤
3.6偏*小二乘法
2.6.1主成分的NIPALS算法
2.6.2PLS算法步骤和原理
2.6.3PLS的若干性质
2.6.4PLS预报步骤
2.6.5PLS成分数目的确定
2.7非线性映照
2.7.1线性映照的局限性
2.7.2NLM原理
2.7.3PCA-NLM、LMAP-NLM和PLS-NLM
2.7.4NLM的计算步骤
2.8相似分析法
2.8.1SIMCA的基本原理
2.8.2SIMCA信息分析
2.8.3SIMCA计算步骤
2.9KNN法及其衍生方法
2.10聚类分析方法
2.10.1分级聚类方法
2.10.2*小生成树法
2.10.3*短生成路径法
2.10.4判别聚类的势函数法
2.11模式识别的逆映照方法
2.11.1线性逆映照(LIM)
2.11.2非线性逆映照(NLIM)
参考文献
第三章 复杂数据信息采掘的主要方法之二——人工神经网络
3.1人工神经网络模型
3.1.1人工神经网络的节点
3.1.2人工神经网络的拓扑结构
3.1.3人工神经网络的运行
3.1.4人工神经网络的性质和特点
3.1.5人工神经网络的学习与训练
3.2误差逆传播神经网络
3.2.1误差逆传播(BP)学习算法的提出
3.2.2BP网络结构与学习规则
3.2.3BP算法学习规则的数学推导
3.2.4BP网络的简单评价
3.3多层前馈网络的SABP算法
3.3.1传统BP算法主要缺点及改进
3.3.2模拟退火算法
3.3.3三层前馈网络SABP算法原理
3.4自组织映射神经网络
3.4.1自组织特征映射
3.4.2算法设计
3.5人工神经网络结果的二维图象显示
参考文献
第四章 复杂数据信息采掘的主要方法之三——遗传算法
4.1演化算法
4.1.1概述
4.1.2自组织、自适应和自学习性(智能性)
4.1.3本质并行性
4.2遗传算法概述
4.2.1基本概念
4.2.2模式定理
4.3遗传算法设计
4.3.1遗传算法的基本结构
4.3.2设计遗传算法的基本步骤
4.3.3编码方案
4.3.4适应度
4.3.5选择策略
4.3.6遗传算子的设计
参考文献
第五章 数据文件的建立、评估和数据类型考查
5.1数据文件的格式要求
5.1.1格式和要求
5.1.2多目标问题
5.1.3预加工
5.2数据文件的评估原理
5.2.1超多面体判据
5.2.2KNN留一法判据
5.2.3回归法判据
5.3数据评估的做法和标准
5.3.1超多面体判据
5.3.2KNN留一法的判据
5.3.3回归法的判据
5.4数据结构的初步分析
5.4.1近邻分析(nearest neighbor analysis)
5.4.2拓扑分析(topological type analysis)
5.4.3近线性分析(near-lineariy analysis)
5.4.4时间序列分析(time series analysis)
5.4.5Fisher指数分析(fisher index analysis)
参考文献
第六章 数据的相关分析方法
6.1相关分析的价值和局限性
6.2单因子相关分析和t-f图
6.3双因子分析和f-f图
6.4三因子分析及三维图的显示
6.5数据变换与相关分析相结合的算法
6.6f-f图的分级投影方法
参考文献
第七章 数据文件的样本筛选
7.1数据文件可分性不好的三个原因
7.2子空间局部考查
7.3添加自变量影响的考查
7.4离群点的删除
参考文献
第八章 数据文件的自变量筛选
8.1自变量筛选的意义
8.2自变量筛选的多义性
8.3相关分析的应用和局限性
8.4有关变量的共线性检查
8.5近线性数据文件的自变量筛选
8.6偏置型数据集的自变量筛选
8.7包容型数据集的自变量筛选
8.8子空间局部考查与自变量筛选
8.9自变量筛选必须结合专业知识进行
参考文献
第九章 数据文件的实用建模
9.1实用建模的要求和目标
9.2分类判别问题的超多面体模型
9.3*佳投影-自动矩形-分级投影方法
9.4增补测试样本的算法及应用
9.5实用建模中外推的方法
9.6实用建模中的回归方法
9.7人工神经网络的实用建模
9.8模式识别与人工神经网络相结合的方法
9.9限值响应问题的实用建模
9.10多目标优化模型的建立
参考文献
第十章 原子参数和分子参数
10.1原子和分子参数选择的原理
10.2原子的价电子数(z)
10.3原子的电离势(I)
10.4原子半径和离子半径(R)
10.5电负性
10.6分子的拓扑参数和原子集团参数
10.7离子键化合物及物系的物性表征参数
10.8金属键化合物及物系的物性表征参数
10.9共价化合物及物系的物性表征参数
参考文献
第十一章 数据信息采掘在物性预报中的应用
11.1原子-分子参数-数据信息采掘方法
11.2若干热力学性质的计算机预报
11.2.1化合物熔点的计算机预报
11.2.2化合物包晶分解温度的计算机预报
11.2.3液态合金混合熵的计算机预报
11.3若干物理性质的计算机预报
参考文献
第十二章 数据信息采掘在相图计算中的应用
12.1相图计算的意义和相图计算的原子参数-模式识别方法
12.2原子参数-模式识别方法概述
12.3二元合金相图中间相的形成规律
12.4原子参数与三元合金相形成的关系——取代对的概念
12.5非过渡金属间三元化合物的形成规律
12.6过渡金属间三元化合物的形成规律
12.7过渡金属和非过渡金属间三元化合物的形成规律
12.8氧化物系相图中的中间化合物的形成规律
12.9二元液态合金的相互作用系数和液相分层的计算机预报
12.10相图中间相熔化类型的判别
12.11三元相图液相面的计算机预报
参考文献
第十三章 数据信息采掘在新材料、新产品研制中的应用
13.1材料设计和分子设计的意义
13.2材料设计专家系统
13.3材料设计专家系统用于已有数据的加工
13.4材料设计专家系统辅助实验探索
13.5材料设计辅助材料智能加工
参考文献
第十四章 数据信息采掘在化工生产优化中的应用
14.1化工过程复杂反应体系的量纲分析
14.2数据信息采掘和优化建模在炼油工业中的应用
14.3数据信息采掘在高分子材料生产优化中的应用
14.4数据信息采掘在染料色光控制中的应用
14.5数据信息采掘在醋酸乙烯催化合成中的应用
14.6数据信息采掘用于提高有机合成产率
14.7数据信息采掘在化工环保中的应用
14.8数据信息采掘在产品检验自动化中的应用
14.9数据信息采掘在化工设备防腐方面的应用
14.10数据信息采掘在其他化工过程中的应用
参考文献
第十五章 数据信息采掘在冶金生产优化中的应用
15.1炼焦配煤的优化
15.2模式识别在降低焦比中的应用
15.3模式识别方法分析炼钢转炉炉龄的影响因素
15.4连铸坯表面质量的模式识别分析
15.5模式识别在合金钢生产中的应用
15.6联合法生产氧化铝净溶出率的模式识别优化
15.7烧结法碳酸化分解终点的优化控制
15.8电解铝电流效率的优化模型
15.9电解铝阳极导电合金成分优化
15.10钢铁表面氮化过程的质量优化
15.11汽车零件光亮镀铬的质量优化
15.12热法炼镁质量与配料比的关系
参考文献
附录
A 为初学者按“向导方式”上机实习的操作指南
B 上机实习
C 附表