典型文献
小样本分散数据的回归建模和多目标优化
文献摘要：
小样本分散数据上的回归对建模有一定挑战,利用高斯过程对其回归进行建模,即采用极大似然估计进行核函数的超参数学习,通过后验来计算回归结果并预测出目标函数的均值和方差.在此基础上结合方差的多目标优化,在进行材料逆向设计的同时能对设计结果的不确定性进行估计.对1215MS非调质钢和三点弯混凝土数据集进行了实验验证.实验结果表明,对于三点弯混凝土平均有50％实验数据落在预测的95％置信区间内,高斯过程回归(Gaussian process regression,GPR)模型可以较好地度量分散小样本数据的不确定性,进行合理预测.对于1215MS非调质钢数据集,在高斯过程回归模型的基础上,运用带精英策略的非支配遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)进行多目标优化,将材料的力学性能以及所对应的方差作为优化目标,在考虑最优力学性能的同时兼顾不确定因素对实验结果的影响,得到最优帕累托解集,以此作为下次实验的候选点,辅助材料设计和制备优化.
文献关键词：
小样本分散数据;高斯过程回归;多目标优化;NSGA-Ⅱ
中图分类号：
作者姓名：
姚煜;胡涛;付建勋;胡顺波
作者机构：
上海大学计算机工程与科学学院,上海200444;上海大学材料科学与工程学院先进凝固技术中心省部共建高品质特殊钢冶金与制备国家重点实验室,上海200444;上海大学材料基因组工程研究院材料信息与数据科学中心,上海200444;之江实验室,浙江杭州311100
文献出处：
引用格式：
[1]姚煜;胡涛;付建勋;胡顺波-.小样本分散数据的回归建模和多目标优化)[J].上海大学学报（自然科学版）,2022(03):451-462
A类：
小样本分散数据
B类：
回归建模,多目标优化,极大似然估计,核函数,超参数,参数学习,过后,预测出,逆向设计,1215MS,非调质钢,三点弯,置信区间,高斯过程回归,Gaussian,process,regression,GPR,小样本数据,精英策略,非支配遗传算法,elitist,dominated,sorting,genetic,algorithm,NSGA,将材,优化目标,不确定因素,帕累托解集,下次,选点,辅助材料,材料设计
AB值：
0.349577
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
