买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云南迪庆有色金属有限责任公司;中南大学申请的专利节理粗糙度预测方法与节理粗糙度预测模型训练方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117235510B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311255874.7，技术领域涉及：G06F18/2135；该发明授权节理粗糙度预测方法与节理粗糙度预测模型训练方法是由冯兴隆;李争荣;刘明武;甘登俊;苏岩;黄恒;沙文忠;林杭;谢世杰;曹日红;高如高;朱雄鹏;王泽越;汤艺;陈怡帆;潘镜桓设计研发完成，并于2023-09-26向国家知识产权局提交的专利申请。

本节理粗糙度预测方法与节理粗糙度预测模型训练方法在说明书摘要公布了：本申请实施例提供了一种节理粗糙度预测方法与节理粗糙度预测模型训练方法，其中，节理粗糙度预测模型训练方法，包括：获取m个初始训练样本，每个初始训练样本包括n个粗糙度参数指标和粗糙度标签；对m个初始训练样本进行主成分分析，得到k个主成分特征向量；基于k个主成分特征向量处理m个初始训练样本，得到m个目标训练样本；使用m个目标训练样本训练预先建立的初始机器学习模型，得到节理粗糙度预测模型。本申请实施例针对不同节理的粗糙度系数的预测有着较高的精度和较广的适用性。

本发明授权节理粗糙度预测方法与节理粗糙度预测模型训练方法在权利要求书中公布了：1.一种节理粗糙度预测模型训练方法，其特征在于，包括：获取m个初始训练样本，每个所述初始训练样本包括n个粗糙度参数指标和粗糙度标签，m和n均为大于1的整数；对所述m个初始训练样本进行主成分分析，得到k个主成分特征向量，k为正整数；基于所述k个主成分特征向量处理所述m个初始训练样本，得到m个目标训练样本，每个所述目标训练样本包括k个目标指标和所述粗糙度标签，所述目标指标为通过所述主成分特征向量对所述粗糙度参数指标处理得到；使用所述m个目标训练样本训练预先建立的初始机器学习模型，得到节理粗糙度预测模型，其中，所述初始机器学习模型包括初始XGBoost模型和智能优化算法模型，所述初始XGBoost模型用于接收所述目标训练样本，输出预测粗糙度，并根据所述预测粗糙度和所述粗糙度标签调整网络参数，所述智能优化算法模型用于调整所述初始XGBoost模型的超参数； 其中，所述对所述m个初始训练样本进行主成分分析，得到k个主成分特征向量，包括：根据所述m个初始训练样本以及各个所述初始训练样本所包括的n个粗糙度参数指标，构建m×n阶的原始数据矩阵；根据所述原始数据矩阵构建相关系数矩阵；求解所述相关系数矩阵的特征根和特征向量；根据所述相关系数矩阵的特征根和特征向量确定所述k个主成分特征向量； 所述根据所述相关系数矩阵的特征根和特征向量确定所述k个主成分特征向量；将所述相关系数矩阵的全部特征根按从大到小的顺序排列，确地各个所述特征根分别对应的方差贡献率；按照所述全部特征根的排列顺序，依次对所述方差贡献率进行累加；在累加的所述方差贡献率的值首次大于预设阈值的情况下，获取累加的k个所述方差贡献率所对应的k个特征根；将所述k个特征根分别对应的k个所述特征向量确定为所述k个主成分特征向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南迪庆有色金属有限责任公司;中南大学，其通讯地址为：674400 云南省迪庆藏族自治州香格里拉市格咱乡格咱村普朗铜矿；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。