基本信息
文件名称：基于深度森林与可迁移元学习的高熵合金相预测模型研究.pdf
文件大小：3.15 MB
总页数：63 页
更新时间：2026-01-09
总字数：约15.22万字
文档摘要
摘要
摘要
高熵合金凭借高强度、高硬度及优异的耐腐蚀性等性能，在多个领域广泛应用，
其性能与相结构紧密相关。近年来，该领域的研究热点聚焦于利用机器学习预测高
熵合金的相。然而，高熵合金样本有限且特征关系复杂非线性，限制了机器学习算
法的效果。此外，作为机器学习分支的元学习，虽能为材料设计者推荐理想算法，
但在高熵合金领域，它尚未利用相似历史问题的最优解集信息。若能有效利用这些
信息，将会提升算法的搜索和收敛速度。鉴于此，