基于机器学习聚类分析的构件性能优化设计方法及系统
公开
摘要
本发明提供了一种基于机器学习聚类分析的构件性能优化设计方法及系统,包括以下步骤:特征量获取步骤:对目标进行处理,获得目标的特征量;聚类分析步骤:针对特征量进行聚类分析,得到目标的多个聚类集群;优化步骤:选择材料性能模型对聚类集群进行优化,得到目标的材料部署结果。本发明可以快速高效实现“正确的材料部署于构件正确的位置”,提出了一种构件性能优化设计新方法,进一步拓展了材料结构的可设计性。
基本信息
专利标题 :
基于机器学习聚类分析的构件性能优化设计方法及系统
专利标题(英):
暂无
公开(公告)号 :
CN114580293A
申请号 :
CN202210231725.6
公开(公告)日 :
2022-06-03
申请日 :
2022-03-09
授权号 :
暂无
授权日 :
暂无
发明人 :
何霁江晟达
申请人 :
上海交通大学
申请人地址 :
上海市闵行区东川路800号
代理机构 :
上海汉声知识产权代理有限公司
代理人 :
胡晶
优先权 :
CN202210231725.6
主分类号 :
G06F30/27
IPC分类号 :
G06F30/27 G06F30/17 G06K9/62 G06F111/06 G06F119/14 G06F119/18
IPC结构图谱
G
G部——物理
G06
计算;推算或计数
G06F
电数字数据处理
G06F30/27
使用机器学习,例如人工智能,神经网络,支持向量机或训练模型
法律状态
2022-06-03 :
公开
注:本法律状态信息仅供参考,即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载