基于机器学习与多尺度特征的金属氧化物性能预测

摘要：

材料信息学是信息学技术在材料学中的应用,通过材料信息数据库和集成材料设计平台对材料的数据进行分析和预测.通过应用不同的机器学习(回归分析)方法和不同的特征选择算法,从众多的多尺度特征集中选择最优的特征子集可以预测金属氧化物的物理特性,归纳出适合材料不同特性的机器学习模型.分析结果表明,特征选择方法可以提升机器学习模型的性能,为进一步开发更有效的材料性能预测方法提供参考.

关键词：材料信息学、机器学习、多尺度特征、特征选择、材料性能预测

所属期刊栏目：47

分类号：TP301.6;TB3;U617

资助基金：国家自然科学基金51741101

在线出版日期：2019-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：146-150