典型文献
数据驱动的钢铁耐磨材料性能预测研究综述
文献摘要：
数据驱动方法利用机器学习算法挖掘数据中隐藏的规则,是一种符合"第四范式"的研究方法.该研究方法的开展基于大量材料基础数据.通过对比国内外材料基础数据平台,分析利用现有数据平台已开展的研究,指出钢铁耐磨材料基础数据存在数据匮乏和缺乏统一采集标准两个问题.针对此,介绍符合材料基因组计划的数据采集标准,并给出钢铁耐磨材料专用数据平台的框架以及数据来源.分析钢铁耐磨材料性能的影响因素,讨论各种特征选择技术的特点.回顾在材料科学研究中成功应用的几种机器学习算法,分析每种算法的应用场景,讨论它们的优缺点,并对算法性能进行了比较.最后总结一些建议为特征提取和机器学习算法选择提供指导,并指出数据驱动方法在性能预测、发现新材料和自动化自主试验等方面具有良好的应用前景.
文献关键词：
数据驱动;机器学习算法;特征工程;基础数据平台;钢铁耐磨材料
中图分类号：
作者姓名：
刘源;魏世忠
作者机构：
河南科技大学材料科学与工程学院 洛阳 471003;郑州航空工业管理学院航空宇航学院 郑州 450015;河南科技大学摩擦学与材料保护教育部工程研究中心 洛阳 471003
文献出处：
引用格式：
[1]刘源;魏世忠-.数据驱动的钢铁耐磨材料性能预测研究综述)[J].机械工程学报,2022(10):31-50
A类：
钢铁耐磨材料
B类：
材料性能预测,预测研究,数据驱动方法,法利,中隐,比国,基础数据平台,数据匮乏,材料基因组计划,数据来源,特征选择,材料科学,成功应用,算法性能,和机器学习算法,算法选择,自主试验,特征工程
AB值：
0.218401
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。
