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！

龙图腾网获悉东南大学申请的专利一种基于混合测度的逐点加权混合代理模型的建模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：CN119272606B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202411165716.7，技术领域涉及：G06F30/27；该发明授权一种基于混合测度的逐点加权混合代理模型的建模方法是由高强;彭振;郭姝含;赵莨郁;王晓宇;殷国栋;庄伟超设计研发完成，并于2024-08-23向国家知识产权局提交的专利申请。

本一种基于混合测度的逐点加权混合代理模型的建模方法在说明书摘要公布了：本发明公开了一种基于混合测度的逐点加权混合代理模型的建模方法，其步骤包括：抽取训练样本；构建四种子代理模型并进行超参数优化；根据LOO交叉验证误差和GMSE误差，确定每个样本点的局部基准模型以及全局基准模型，并确定全局权重系数；样本密度的确定；局部精度的估计；局部权重系数的确定；获得基于局部误差测度的初步混合代理模型；获得基于混合测度的逐点加权混合代理模型。本发明所提出的的法保证每个预测点都应尽可能地由其对应的具有最佳预测能力的局部子代理模型进行预测，局部拟合精度进一步提升，同时通过与具有最佳全局拟合精度的全局基准模型再混合，进一步提高了逐点加权混合代理模型的全局拟合精度。

本发明授权一种基于混合测度的逐点加权混合代理模型的建模方法在权利要求书中公布了：1.一种基于混合测度的逐点加权混合代理模型的建模方法，其特征在于，包括如下步骤： 步骤1：采用拉丁超立方抽样法在变量空间中抽取训练样本，仿真分析得到真实响应值； 步骤2：利用初始样本点和对应的真实响应值，分别构建PRS、RBF、KRG、SVR子代理模型并进行超参数优化； 步骤3：根据LOO交叉验证误差和GMSE误差，确定每个样本点的局部基准模型以及全局基准模型，并确定全局权重系数；所述步骤3具体包括： 步骤3.1.1：对于任意训练样本点xj，其中，j＝1,…,N，分别构建四种子代理模型进行LOO交叉验证，求取其LOO交叉验证误差error，表达式如下： 其中表示第k个子代理模型在第j个样本点处的LOO交叉验证误差，yj为该样本点处模型的真实响应值，为该样本点处第k个子代理模型的预测响应值； 步骤3.1.2：针对每一个样本点xj，其中，j＝1,…,N，选取其LOO交叉验证误差error最小的子代理模型作为该样本点的局部基准模型μxi； 步骤3.2.1：再次针对四种子代理模型进行LOO交叉验证，求取GMSE误差，表达式如下： 其中GMSEk表示第k个子代理模型的GMSE误差，yj为第j个样本点处模型的真实响应值，为该样本点处第k个子代理模型的预测响应值，N表示训练点的个数； 步骤3.2.2：将所有子代理模型根据GMSE误差结果从低到高进行排序，GMSE误差最小，全局精度最高的子代理模型选定为全局基准模型fgx，同时计算出全局权重系数，其表达式如下： 其中，wg为全局权重系数，其中，GMSE1为最小的GMSE值，GMSE2为次小的GMSE值步骤4：基于拥挤距离确定样本密度； 步骤5：基于局部误差测度确定局部精度系数；所述步骤5具体包括： 对于任意预测点xi，计算出各子代理模型在该点处的局部精度系数，其表达式如下： 其中Pkxi表示第k个子代理模型在第i个预测点处的局部精度系数，ykxi表示第k个子代理模型在第i个预测点处的预测响应值，μxi表示第i个预测点处的局部基准模型预测响应值，灵敏度参数σ2计算公式如下： 其中σ1xi表示第i个预测点处的灵敏度参数，Nρi为第i个预测点处的归一化样本密度； 步骤6：确定各子代理模型的局部权重系数； 步骤7：确定基于局部误差测度的初步混合代理模型； 步骤8：确定基于混合测度的逐点加权混合代理模型，所述步骤8具体包括： 根据基于局部误差测度的初步混合代理模型fPHSM、全局基准模型fg以及全局权重系数wg，确定基于混合测度的逐点加权混合代理模型fPWHSMHM，其表达式如下： fPWHSMHM＝wgfg+1-wgfPHSM 其中fPWHSMHM表示基于混合测度的逐点加权混合代理模型，fg表示全局基准模型，fPHSM表示初步混合代理模型。

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东南大学，其通讯地址为：210018 江苏省南京市玄武区四牌楼2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”。