摘要：在材料科学过去几十年的发展过程中,经验试错法和基于密度泛函理论的方法等传统的非晶合金开发方法,帮助研发人员探索出多种非晶合金体系.但是,这些方法由于开发周期长、效率低等缺点,目前已难以满足研发人员的需求.而机器学习方法因其实验成本低、性能强大以及开发周期短等优点,被越来越广泛地应用到非晶合金材料的设计、分析和性能预测中.本文首先按照机器学习建模的主要流程阐述了各步骤的基本操作和发展情况.其次,着重介绍了数据预处理、模型构建以及模型验证方面的研究工作,在数据预处理章节,简述了数据收集、特征工程以及目前较为流行的数据预采样方法;在模型构建章节,论述了四类在非晶合金开发中常用的机器学习算法,包括人工神经网络、支持向量机、随机森林以及极端梯度提升方法;在模型验证章节,主要介绍了K折交叉验证和留一法交叉验证方法.最后,本文从多个角度对比分析了现有的机器学习应用,为后续的相关研究提供了可能的研究方向和思路.

摘要：通过热红外探测技术的简单分析,初步探讨了红外热像仪的基本原理,结合热红外伪装隐身的主要技术途径,简单地分析了以表面发射率、热惯量等参数设计实现目标在背景中的热红外伪装隐身的可行性。