一种基于最优特征选择改进的遗传算法

数据挖掘中如何有效地从高维特征空间选择最优特征子集,很大程度上影响模型的预测结果,基于此本文提出一种复合适应性函数、多特征组合搜索的自适应性遗传算法。算法依据统计学原理对原始特征先行过滤构建特征候选集,使用多模型融合的交叉验证结果作为适应性函数以提高每轮进化的适应值,轮盘赌算法、定长基因段交叉算法、随机基因位点变异算法分别构成选择算子、交叉算子和变异算子。通过实验对比表明该遗传算法具有一定的稳定性和有效性,能够在原始特征空间中启发性的选择最优特征子集,从而提高数值型预测准确率。     

激光重熔技术在选区激光熔化中的研究进展

激光重熔使得材料表面的固化层再次快速熔化、凝固，从而提高了材料的致密度和表面质量。作为一种表面改性技术，激光重熔已经在传统制造工艺中得到了广泛的应用。近期研究表明，激光重熔技术也可以应用到选区激光熔化（SLM）中，实现消除缺陷并优化组织结构。激光重熔技术还可以提高零件的硬度和延展性等力学性能。本文主要总结了激光重熔对于常见SLM成形金属材料的质量提升作用，激光重熔工艺手段以及重熔参数（重熔激光功率、重熔扫描速度、重熔扫描间距和重熔次数）对于缺陷消除、组织结构优化的作用规律。