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理工大学申请的专利一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测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：CN116364211B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202310317884.2，技术领域涉及：G16C20/70；该发明授权一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测方法及装置是由李述;杨佳;李帅;张洺玉;杨志远设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测方法及装置在说明书摘要公布了：本发明提供一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测方法及装置，属于高熵合金相预测领域。为解决现有技术对高熵合金相预测时特征提取与模型性能上的问题。包括：步骤一、构建高熵合金成分信息和相标签的分类数据集；步骤二、构建五种传统机器学习模型并选出最优模型；步骤三、构建卷积神经网络，对根据成分信息映射的元素周期表形式的二维伪图像进行自动提取特征并进行预测；步骤四、将经验参数与卷积神经网络提取的特征进行合并并基于遗传算法进行筛选，选出最优特征组合；步骤五、将步骤四的最优特征组合作为步骤二中选出的最优模型的输入，进行重新训练，得到高熵合金相预测模型。通过本发明方法得到的高熵合金相预测模型具有更高的准确性。

本发明授权一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测方法及装置在权利要求书中公布了：1.一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测方法，其特征在于包括以下步骤： 步骤一、收集高熵合金相分类数据，数据中包含每一个高熵合金由元素组成和元素浓度构成的成分信息以及每一个高熵合金的相标签，然后由成分信息根据公式计算经验参数，将这些数据作为原始的数据集，采用五折交叉验证，将数据集划分为五组80％训练集和20％测试集； 步骤二、采用经验参数作为输入，构建五个传统机器学习模型，采用三种特征工程方法筛选特征，对测试集进行预测，并根据预测结果，得到准确率最高的最优特征组合和最优模型； 步骤三、根据高熵合金成分信息将每一个高熵合金数据映射成唯一的元素周期表形式的二维伪图像； 首先给每一个高熵合金分配一个9*18的矩阵，对应元素周期表，矩阵中没有元素周期表中元素分布的位置置0；然后，根据每一个高熵合金中元素在元素周期表中的位置将元素浓度填入矩阵中的对应位置；最后矩阵中其他元素对应的位置都置0； 步骤四、搭建卷积神经网络模型，在训练集中训练，对输入的高熵合金进行自动特征提取并对高熵合金相组成进行预测； 步骤五、将所有经验参数和步骤四中自动提取的特征进行合并，采用步骤二中所述的最优模型，结合遗传算法进行特征筛选，选出最优特征组合，最后用最优特征组合作为输入特征，采用步骤二中的最优模型重新训练并预测高熵合金相组成。

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理工大学，其通讯地址为：150080 黑龙江省哈尔滨市南岗区学府路52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”。