导读:本文包含了化学数据挖掘技术论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:数据挖掘,化学,汽包,火电厂,方剂,水工,技术。
化学数据挖掘技术论文文献综述
石荣雪,张适宜,张胜寒[1]（2016）在《基于数据挖掘技术的国内锅炉化学水工况选择》一文中研究指出通过对文献进行数据挖掘,归纳因锅炉化学水工况选取不当而造成事故情况,确定了一些常见锅炉机组的最适化学水工况:对于机组功率在0~200MW范围内、主蒸汽压力≤15.7MPa(超高压范围)的汽包锅炉,建议采取平衡磷酸盐处理(equilibrium phosphate treatment,EPT);对于机组功率在200~600MW(不含200MW)范围内的亚临界直流炉,建议采取给水加氧处理(oxygenated treatment,OT);对于机组功率在600~1000MW(不含600MW)范围内的超临界以及超超临界直流炉,建议采取给水加氧处理(OT)。(本文来源于《化工进展》期刊2016年03期）
付先军[2]（2013）在《基于数据挖掘技术探讨治疗肺系疾病方剂中药物化学成分类别构成及其配伍关系》一文中研究指出目的分析治疗肺系疾病经典方剂中药物化学成分类别的构成情况及可能的配伍关系,为治疗肺系疾病方剂的临床应用、物质基础研究与组分配伍研究提供参考。方法以《中医方剂大辞典精选本》作为方剂基本信息来源,筛选治疗肺系疾病经典方剂,进行信息标准化处理,系统检索方剂组成中药化学成分类别构成,应用数据挖掘技术中的频数、频繁项集及关联规则,对筛选的方剂组成中药化学成分类别构成及关联关系进行分析。结果按照筛选标准共筛选100首方剂,其中96%的治疗肺系疾病方剂组成药物含萜类化合物,95%含甾体,94%含生物碱;生物碱类化合物与甾体类化合物、黄酮与萜类化合物关联关系非常强,黄酮、生物碱组合等大部分二类化合物组合与萜类或甾体类化合物关联程度高。结论中药萜类、甾体、黄酮及生物碱类化合物及其组合可能与方剂治疗肺系疾病的物质基础有一定联系,但是尚需进行系统的化学与药效实验研究加以证实。(本文来源于《中国中医药信息杂志》期刊2013年01期）
刘丽红,贾李蓉,刘静,李强[3]（2011）在《数据挖掘技术在治疗冠心病中药化学成分探索研究中应用的思路》一文中研究指出中药药效成分是中药治病的基础,而中药化学成分纷繁复杂,要在海量的数据信息中探索发现这些成分之间的组合规律直至筛选出有效成分组合具有重要意义。文章主要介绍应用数据挖掘技术探索性研究治疗冠心病中药化学成分所形成的一些思路,认为选用数据挖掘方法处理中医文献中海量信息,进行治疗冠心病中药化学成分筛选具有较强的优越性。(本文来源于《辽宁中医药大学学报》期刊2011年09期）
束志恒[4]（2004）在《化学化工数据挖掘技术的研究》一文中研究指出化学化工是一门实践性很强的学科,随着计算机技术的发展,积累了大量的数据,数据挖掘技术的发展为从这些数据获取有用知识提供了有力的工具。数据挖掘方法的有效性,总是与各个领域的数据特点紧密的结合在一起。本文针对化学化工领域中的数据具有高维、复共线性和带有噪音的特点,利用神经网络、粗糙集方法、模糊系统以及统计方法,对属性筛选、连续属性的离散化、规则获取、化学模式分类建模、化工过程建模进行了研究,并介绍了数据挖掘方法和粗糙集的基本理论和方法,以及化学化工数据挖掘所面临的问题。主要内容如下:1、 提出一种基于正则化网络-遗传算法的属性筛选方法。根据神经网络剪枝中的正则化方法和灵敏度分析方法,采用贝叶斯正则化方法对网络进行训练,然后利用神经网络分类器的特性设计选择算子,利用遗传算法对神经网络的输入单元进行剪枝,从而达到属性筛选的目的。在留兰香高维模式的属性筛选中,说明了本方法优于其它方法。2、 针对粗糙集方法只能处理离散型数据,提出一种基于X2统计量的离散化方法RSE-Chi2。本方法是一种合并型的离散化方法,以X2统计量的大小作为是否合并依据,以决策系统的不确定度量函数作为离散化停止标准,通过基于背景知识的特征价值度量大小来安排各个属性离散化顺序。本方法的优点是将连续属性的离散化和特征选择有机的结合在一起,自动确定合适的离散化程度。3、 在基于粗糙集的分类规则获取中,为了使所得规则具有良好的泛化性能,并使基于规则的分类模型具有较好的推广性,提出了以下方法:采用RSE-Chi2方法,将决策系统的连续属性离散化和属性约简结合在一起,消除冗余的划分断点,使所得约简具有较好的推广性;在分辨矩阵的基础上,采用贪心算法,每次选入分类能力最强的属性值,以获得值约简的满意解;根据所得规则参数的统计性质,以及与样本条件属性值的匹配程度,对未知类别样本进行预测。在橄榄油的分类规则获取和分类建模应用中,所得结果易于理解,无需先验知识,具有较好的预测准确度。浙江大学博士学位论文 4、根据连续属性离散化后所得知识的模糊性,将粗糙集方法与模糊方法相结合,并根据神经网络原理来调整有关参数,提出了以下方法:根据粗糙集方法所得规则构建了一种用于分类的模糊一神经网络系统,利用规则参数的统计性质和离散化结果对网络参数进行初始化,并给出训练方法;提出基于粗糙集的回归分析方法,由此获得用于回归建模的模糊规则,构建用于回归建模的模糊一神经网络系统,给出了网络初始化方法和训练方法。将这两种方法分别用于化学模式分类建模和化工过程建模,具有训练速度快,网络结构简单,易于理解,推广性良好,优于统计方法和前馈神经网络方法。关键词数据挖掘粗糙集方法属性筛选离散化决策表的约简 化学模式分类建模化工过程建模(本文来源于《浙江大学》期刊2004-08-01）
苏振强[5]（2002）在《化学数据挖掘技术与药物分子设计应用》一文中研究指出随着现代科技的发展，生物信息学和化学信息学在新药创制过程中的作用越来越重要，已经成为加速新药研发过程、降低研发成本的关键所在。开发在药物研发过程中易于使用，且效率较高的化学、生物学数据挖掘工具，以帮助药物研发人员进行药物设计是必要的。本文使用可视化软件开发工具Visual C++6.0和OpenGL实现了化学数据挖掘系统，其核心算法是聚类分析和BP神经网络。本数据挖掘系统还实现了数据挖掘结果的可视化，能对聚类分析谱系图、基因芯片和样本点的空间分布进行实时的模拟显示及打印输出。并运用该系统对药物研发过程中使用的有关化学及生物学数据进行了聚类分析和BP神经网络模式识别试验。结果表明：该挖掘工具能方便地从Oracle数据库中提取相关数据并进行有效的数据挖掘，发现和提取新知识，比许多现有通用统计软件更适合在药物设计过程使用，更灵活，且使用范围更宽。 本文还研究了局域网环境下，用Client/Server模式实现分布式多线程并行计算的技术。为进一步设计和提高网络环境下对分布在网络中的海量数据进行快速搜索和高效数据挖掘计算进行了初步探索。实验结果表明，在相同计算量下与单机单线程处理方式相比，分布式多线程并行程序运行速度提高极为明显，是最快单机速度的4.4倍，大幅度提高了系统的运行效率，充分利用、挖掘和发挥了网络系统中所有的计算能力和资源，为化学数据挖掘程序并行化实际应用打下良好基础。(本文来源于《重庆大学》期刊2002-03-05）
化学数据挖掘技术论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的分析治疗肺系疾病经典方剂中药物化学成分类别的构成情况及可能的配伍关系,为治疗肺系疾病方剂的临床应用、物质基础研究与组分配伍研究提供参考。方法以《中医方剂大辞典精选本》作为方剂基本信息来源,筛选治疗肺系疾病经典方剂,进行信息标准化处理,系统检索方剂组成中药化学成分类别构成,应用数据挖掘技术中的频数、频繁项集及关联规则,对筛选的方剂组成中药化学成分类别构成及关联关系进行分析。结果按照筛选标准共筛选100首方剂,其中96%的治疗肺系疾病方剂组成药物含萜类化合物,95%含甾体,94%含生物碱;生物碱类化合物与甾体类化合物、黄酮与萜类化合物关联关系非常强,黄酮、生物碱组合等大部分二类化合物组合与萜类或甾体类化合物关联程度高。结论中药萜类、甾体、黄酮及生物碱类化合物及其组合可能与方剂治疗肺系疾病的物质基础有一定联系,但是尚需进行系统的化学与药效实验研究加以证实。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
化学数据挖掘技术论文参考文献
[1].石荣雪,张适宜,张胜寒.基于数据挖掘技术的国内锅炉化学水工况选择[J].化工进展.2016
[2].付先军.基于数据挖掘技术探讨治疗肺系疾病方剂中药物化学成分类别构成及其配伍关系[J].中国中医药信息杂志.2013
[3].刘丽红,贾李蓉,刘静,李强.数据挖掘技术在治疗冠心病中药化学成分探索研究中应用的思路[J].辽宁中医药大学学报.2011
[4].束志恒.化学化工数据挖掘技术的研究[D].浙江大学.2004
[5].苏振强.化学数据挖掘技术与药物分子设计应用[D].重庆大学.2002
论文知识图
