华南理工大学学报(自然科学版)

作者：胡建军 曹卓 但雅波 牛程程 李想 钱松荣

单位：1． 贵州大学 机械工程学院，贵州 贵阳 550025; 2． 南卡罗来纳大学 计算机科学与工程系，美国 南卡罗莱纳 哥伦比亚 29208; 3． 贵州大学 现代制造技术教育部重点实验室，贵州 贵阳 550025

关键词：材料信息学,特征选择,机器学习,弹性性能预测

基金：国家自然科学基金资助项目( 51741101)

利用机器学习方法进行材料性能预测研究，通过运用 3 种特征选择方法( Filter、 RFE、LASSO) 和 3 种机器学习模型( 线性回归、岭回归、支持向量回归) ，从众多多尺度特 征集中选择最佳的特征子集来预测无机化合物的弹性性能，归纳了预测材料弹性性能的 最有效的、组合了特征选择与机器学习的预测模型，比较了特征选择方法在不同机器学习 模型上的表现，分析了利用特征选择方法得到的特征子集． 实验结果表明，Filter 和 SVR 组合模型的预测结果最好，机器学习模型比特征选择方法对预测结果的影响更大，特征选 择方法选出的特征子集中主要包括熔点、晶体结构、门捷列夫序号等材料特性． 文中研究 成果可为获得无机化合物弹性性能描述符和进一步开发更有效的材料性能预测方法提供 参考．

来源：2019年第5期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2019年第5期