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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于交叉验证的太阳黑子区相关性评估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：CN117407641B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202311365191.7，技术领域涉及：G06F17/16；该发明授权一种基于交叉验证的太阳黑子区相关性评估方法是由付俊丰;万杰;赵先一;韩轲;鄂鹏设计研发完成，并于2023-10-20向国家知识产权局提交的专利申请。

本一种基于交叉验证的太阳黑子区相关性评估方法在说明书摘要公布了：本发明公开了一种基于交叉验证的太阳黑子区相关性评估方法，所述方法包括如下步骤：一：获取耀斑数据集，并按照黑子区编号进行数据集分割，得到各个数据子集；二：对每个数据子集进行机器学习算法训练，得到该数据子集的机器学习模型；三：对每个机器学习模型计算相应的AUC指标，得到A矩阵；四：利用A矩阵进行相关性分析，得到相关性指数Corr；五：判断相关性指数Corr，得出给定区域相关性判定结论。本发明给出了“相关性指数”的计算方法，该方法可以在一定程度上对建立预报算法的过程进行简化，在使用联邦迁移学习的过程中，可以将相似度较高的黑子区域进行算法聚合，以加速训练过程，进而提高预报效率。

本发明授权一种基于交叉验证的太阳黑子区相关性评估方法在权利要求书中公布了：1.一种基于交叉验证的太阳黑子区相关性评估方法，其特征在于所述方法包括如下步骤： 步骤一：获取耀斑数据集，并按照黑子区编号进行数据集分割，得到各个数据子集； 步骤二：对步骤一得到的每个数据子集进行机器学习算法训练，得到该数据子集的机器学习模型； 步骤三：对步骤二中的每个机器学习模型计算相应的AUC指标，得到A矩阵，具体步骤如下： 步骤三一：对于每个机器学习模型fj，计算其在交叉验证中的AUC指标的值Aj,k，具体过程为： 其中，用于表征利用算法和数据集计算AUC指标的映射过程，Dk表示在步骤一的耀斑数据集中去除Dj后剩下的所有数据子集，Dj表示编号为j的黑子区对应的数据集； 步骤三二：通过步骤三一的方法，遍历所有数据子集，得到A矩阵： 步骤四：利用步骤三计算得到的A矩阵进行相关性分析，得到相关性指数Corr，其中：对于给定黑子区j和k，定义Corrj,k表示模型fj和模型fk的相关性，计算方法如下： 其中，Aj，k表示使用模型fj和数据子集Dk计算的AUC指标值，即A矩阵中第j行k列的元素值；Ak，j表示使用模型fk和数据子集Dj计算的AUC指标值，即A矩阵中第k行j列的元素值；Aj,j表示使用模型fj和数据子集Dj计算的AUC指标值，即A矩阵中第j行j列的元素值；Ak，k表示使用模型fk和数据子集Dk计算的AUC指标值，即A矩阵中第k行k列的元素值； 步骤五：判断相关性指数Corr，得出给定区域相关性判定结论，具体步骤如下： 若黑子区j和黑子区k相关性指数Corrj,k≥1时，证明j和k具有“较强相关性”，确认为同一黑子区被重复编号； 若黑子区j和黑子区k相关性指数0.5≤Corrj，k＜1时，证明j和k具有“一定相关性”，疑似为同一黑子区被重复编号； 若黑子区j和黑子区k相关性指数0≤Corrj,k＜0.5时，证明j和k“相关性较弱”，不作为同一黑子区处理； 若黑子区j和黑子区k相关性指数Corrj,k＜0时，无法说明j和k的相关性，证明机器学习算法训练异常，需要重新执行步骤二。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。

以上内容由龙图腾AI智能生成。