| 【中文题名】 | 统计分析技术与贝叶斯网在分子筛合成数据库中的应用 |
| 【英文题名】 | Application of Statistical Analysis Technology and Bayesian Network in Zeolite Syntheses Database |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-7 |
| 【中关键词】 | 分子筛,贝叶斯网,统计分析,主成分回归,Logistic回归, |
| 【英关键词】 | |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
沸石分子筛及无机微孔材料的分子设计与定向合成已成为计算机与化学结合研究的热点。本文目的在于探讨统计分析技术和贝叶斯网在分子筛合成方面的应用,全部工作在吉林大学无机合成与制备化学国家重点实验室完成。
本文针对吉林大学无机合成与制备化学国家重点实验室已积累十多年的试验数据库,设计实现了用于实验数据分析的分析软件原型,包括统计分析和贝叶斯网模型学习两部分。
统计分析部分探讨了数据降维、方差分析与回归分析三种技术在分子筛合成数据上的应用和实现。通过对试验数据的测试,建立了一套适合分子筛合成数据的方法。统计计算结果与权威统计软件结果一致。
贝叶斯网模型学习部分首先针对分子筛模板剂参数数据缺失问题找到了修补效果最好的混合EM估算方法,在修补后的完整数据集基础上学习得到贝叶斯网模型。所得模型符合常识和专家经验。综上,这两种技术在分子筛定向合成的研究上是有效的。 |
| 【论文题纲】 |
|
提要 |
4-7 |
|
第一章 绪论 |
7-13 |
|
1.1 分子筛定向合成研究 |
7-8 |
|
1.2 现有系统应用现状 |
8-12 |
|
1.2.1 现有分析方法 |
8-9 |
|
1.2.2 通用统计分析软件 |
9-11 |
|
1.2.3 贝叶斯网应用现状 |
11-12 |
|
1.3 本文所做工作 |
12-13 |
|
第二章 系统架构设计 |
13-17 |
|
2.1 系统需求分析 |
13-14 |
|
2.2 系统结构设计 |
14-15 |
|
2.3 方差分析流程 |
15 |
|
2.4 回归分析流程 |
15-17 |
|
第三章 统计分析系统设计 |
17-25 |
|
3.1 数据预处理 |
17 |
|
3.2 数据降维 |
17-18 |
|
3.3 方差分析模块 |
18-21 |
|
3.3.1 分布拟合检验 |
18-19 |
|
3.3.2 单因素方差分析 |
19-20 |
|
3.3.3 非参数方差分析 |
20-21 |
|
3.4 回归分析模块 |
21-25 |
|
3.4.1 多重共线性的检验 |
21-22 |
|
3.4.2 多重线性回归 |
22-23 |
|
3.4.3 二分类因变量Logistic回归 |
23-24 |
|
3.4.4 多项logit回归 |
24-25 |
|
第四章 贝叶斯网学习系统设计 |
25-38 |
|
4.1 贝叶斯网的定义 |
25-26 |
|
4.2 贝叶斯网的构造 |
26-29 |
|
4.2.1 结构学习 |
26-27 |
|
4.2.2 参数学习 |
27-28 |
|
4.2.3 缺失数据集贝叶斯网学习算法 |
28-29 |
|
4.3 基于分子筛合成数据的贝叶斯网构造实现 |
29-38 |
|
4.3.1 缺失数据补足 |
29-32 |
|
4.3.2 连续变量离散化 |
32-35 |
|
4.3.3 由数据集建立贝叶斯网模型 |
35-38 |
|
第五章 系统实现与测试 |
38-53 |
|
5.1 数据预处理 |
38-40 |
|
5.2 主成分计算 |
40-43 |
|
5.3 方差分析测试 |
43-44 |
|
5.4 回归分析测试 |
44-49 |
|
5.4.1 多重线性回归模型与预测 |
44-45 |
|
5.4.2 双四/六员环回归模型与预测 |
45-47 |
|
5.4.3 产物类型回归模型与预测 |
47-48 |
|
5.4.4 产物最大环数回归模型与预测 |
48-49 |
|
5.5 从数据集学习建立贝叶斯网模型 |
49-53 |
|
第六章 结束语 |
53-55 |
|
6.1 工作总结 |
53-54 |
|
6.2 工作展望 |
54-55 |
|
参考文献 |
55-58 |
|
摘要 |
58-61 |
|
Abstract |
61-64 |
|
致谢 |
64 |
|
| 【DOI】 | LunWen.ID:2.2008.388734 |
