計算化學

第0章 緒論
0.1 什么是計算化學
0.2 計算機在化學中的應用
0.2.1 按化學體系分類
0.2.2 按計算機應用方法分類
0.3 計算化學的普及
0.4 計算化學未來的發(fā)展
0.5 結語
第1章 數理統(tǒng)計基礎
1.1 誤差
1.1.1 誤差的定義
1.1.2 誤差的來源
1.1.3 誤差的類型
1.1.4 精密度和準確度
1.1.5 偶然誤差的傳遞
1.1.6 系統(tǒng)誤差的傳遞
1.2 基礎統(tǒng)計學概念
1.3 區(qū)間估計
1.3.1 允許區(qū)間
1.3.2 總體均值的置信區(qū)間估計
1.4 結果的表示
1.4.1 有效數字的定義
1.4.2 有效數字與不確定度的關系
1.5 置信區(qū)間的其他應用
1.6 顯著性檢驗
1.6.1 顯著性水平
1.6.2 x2檢驗
1.6.3 t檢驗
1.6.4 F檢驗
1.7 壞值的剔除
第2章 一元回歸分析
2.1 一元線性回歸
2.1.1 一元線性回歸方程的求法
2.1.2 相關系數和顯著性檢驗
2.1.3 一元線性回歸的方差分析
2.1.4 斜率b和截距a的區(qū)間估計及斜率b的顯著性檢驗
2.1.5 x值和檢測限的計算
2.1.6 標準加入法
2.1.7 借助回歸線進行分析方法的比較
2.1.8 權重回歸分析
2.2 一元非線性回歸
第3章 多元校正分析基礎
3.1 多元線性回歸
3.1.1 多元線性回歸的原理
3.1.2 多元線性回歸模型的效果分析
3.1.3 多元線性回歸的應用
3.2 經典最小二乘法
3.3 反推最小二乘法
第4章 主成分分析與多元校正
4.1 主成分分析
4.1.1 主成分分析的基本概念
4.1.2 主成分的計算原理
4.1.3 主成分的性質
4.1.4 主成分的計算方法
4.1.5 主成分數的判別
4.2 主成分回歸
4.3 偏最小二乘回歸法
4.4 目標因子分析
4.4.1 因子分析基本概念
4.4.2 投影矩陣
4.4.3 用投影矩陣進行目標因子分析
4.5 秩消因子分析
4.5.1 雙線性數據矩陣
4.5.2 秩消因子分析的原理和步驟
4.5.3 廣義秩消因子分析法
4.5.4 殘差雙線性分解因子分析法
第5章 模式識別方法
5.1 數據的表示及預處理
5.2 特征的提取和壓縮
5.2.1 特征的提取
5.2.2 特征的壓縮
5.3 相似系數和距離
5.4 模式識別方法
5.4.1 有管理的模式識別方法
5.4.2 無管理的模式識別方法
5.5 顯示方法
5.5.1 線性映射
5.5.2 非線性投影
第6章 人工神經網絡在化學中的應用
6.1 人工神經網絡
6.1.1 人工神經網絡的結構和功能
6.1.2 人工神經網絡的學習方法
6.1.3 人工神經網絡中的歸一化問題
6.1.4 BP人工神經網絡
6.2 人工神經網絡信息流分析技術研究
6.2.1 ANN模型輸入節(jié)點的篩選
6.2.2 人工神經網絡的組織與運行
6.3 人工神經網絡的應用
6.3.1 蛋白質的二級結構預測
6.3.2 譜圖分析
6.3.3 定量構效關系
6.3.4 模式識別
6.3.5 化學反應產物及產率的預測
第7章 構效關系研究和分子拓撲指數
7.1 圖論的基本概念
7.2 化學結構和圖論
7.2.1 化學圖
7.2.2 分子的矩陣表示
7.3 化學結構的二維連接表
7.4 主要的拓撲指數及其應用
7.4.1 距離矩陣指數
7.4.2 鄰接矩陣指數
7.4.3 量子拓撲指數aN及廣義aN指數
第8章 分子模擬
8.1 分子模擬基本方法
8.1.1 量子力學
8.1.2 分子力學
8.1.3 QM／MM法
8.1.4 分子動力學
8.1.5 分子蒙特卡洛法
8.2 分子模擬軟件簡介
8.2.1 Chemoffice簡介
8.2.2 HyperChem簡介
8.2.3 Gaussian簡介
第9章 實驗設計與優(yōu)化
9.1 化學實驗設計基礎
9.1.1 試驗指標
9.1.2 因素和水平
9.1.3 同時試驗和序貫試驗
9.1.4 試驗最優(yōu)化和解析最優(yōu)化
9.1.5 有效實驗存在的條件
9.1.6 實驗設計的基本原理
……
第10章 MATLAB在化學中的應用
附錄
參考文獻