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！

龙图腾网恭喜北京科技大学申请的专利一种基于机器学习的板坯弯曲模式分类方法及装置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：CN114118205B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202111212098.3，技术领域涉及：G06F18/214；该发明授权一种基于机器学习的板坯弯曲模式分类方法及装置是由彭功状;徐冬;周金航;宋乐宝;杨荃;王晓晨;何海楠设计研发完成，并于2021-10-18向国家知识产权局提交的专利申请。

本一种基于机器学习的板坯弯曲模式分类方法及装置在说明书摘要公布了：本发明公开了一种基于机器学习的板坯弯曲模式分类方法及装置，该方法包括：获取待分类板坯对应的检测仪表测量的板坯弯曲的原始数据，并对获取的原始数据进行预处理，得到待分类板坯对应的板坯全长中心线曲线数据；分别计算出板坯全长中心线曲线数据与预设的标准模板库中的每一板坯弯曲模板曲线数据之间的距离；以板坯全长中心线曲线数据与标准模板库中的所有板坯弯曲模板曲线数据之间的距离作为预设的机器学习模型的输入，实现板坯弯曲模式的分类。本发明将弯曲曲线与模板库中所有曲线的距离作为机器学习模型的输入，通过对模型的训练，实现对板坯弯曲模式的分类，提高了分类准确性。

本发明授权一种基于机器学习的板坯弯曲模式分类方法及装置在权利要求书中公布了：1.一种基于机器学习的板坯弯曲模式分类方法，其特征在于，包括： 获取待分类板坯对应的检测仪表测量的板坯弯曲的原始数据，并对获取的原始数据进行预处理，得到所述待分类板坯对应的板坯全长中心线曲线数据； 分别计算出所述待分类板坯对应的板坯全长中心线曲线数据与预设的标准模板库中的每一板坯弯曲模板曲线数据之间的距离；其中，所述标准模板库中包括多种不同种类的板坯弯曲形式所对应的板坯弯曲模板曲线数据； 以计算出的所述待分类板坯对应的板坯全长中心线曲线数据与所述标准模板库中的所有板坯弯曲模板曲线数据之间的距离，作为预设的机器学习模型的输入，通过所述机器学习模型，实现所述待分类板坯的板坯弯曲模式的分类； 所述机器学习模型为支持向量机SVM模型； 所述机器学习模型的构建过程，包括： 获取热轧板坯全长中心线曲线作为样本数据； 构建训练样本集：{xi,yi|xi＝{di1,di2,di3,di4,di5,di6,di7,di8}∈R8,yi∈R,i＝1,2,...,M}，其中，xi表示第i条样本曲线Si与所述标准模板库中的所有板坯弯曲模板曲线数据之间的距离组成的序列，dij表示第i条样本曲线Si与所述标准模板库中的第j条板坯弯曲模板曲线数据之间的距离，j＝1,2,3,4,5,6,7,8；yi表示第i条样本曲线Si对应的板坯弯曲模式种类，M表示样本总数； 利用高斯函数将数据样本映射到高维特征空间，在高维空间构建出基于SVM模型的分类函数：其中ω和b是SVM模型的回归参数； 初始化SVM模型的参数C和g，将SVM模型的参数求解表示为以下约束最优化问题： 满足约束其中，εi是松弛变量，计算公式为 表示xi对应的高斯函数； 基于所述训练样本集对SVM模型进行训练，并根据训练结果对SVM模型进行调优，保存调优训练后得分最高的模型参数，得到所述机器学习模型； 所述根据训练结果对SVM模型进行调优，包括： 采用K折交叉验证方法对SVM模型的参数C和g进行优化，包括：将训练样本集均分成K组，1组作为验证的数据样本，其余K-1组作为训练的数据样本，每一组数据都轮流作为验证数据样本；在每一次验证中，将参数C和g在给定取值范围内按照一定的步长进行取值组合，参数C的步长为Cmax-CminK，参数g的步长为gmax-gminK；其中，Cmax，Cmin，gmax，gmin分别为参数C和g的最大和最小取值；在每一组参数C，g组合下，分别进行K次计算，求取K次计算的模型测试准确率的均值作为这组C，g下模型的得分score： 其中，fp为每一类分类正确的数量，S为每次测试样本集的数量。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30号；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”。