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！

龙图腾网获悉北京工业大学申请的专利一种基于机器学习的防护涂层厚度太赫兹定量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：CN119720685B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411917642.8，技术领域涉及：G06F30/23；该发明授权一种基于机器学习的防护涂层厚度太赫兹定量评估方法是由刘增华;吴育衡;李瑞设计研发完成，并于2024-12-24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防护涂层厚度太赫兹定量评估方法在说明书摘要公布了：本发明公开一种基于机器学习的防护涂层厚度太赫兹定量评估方法，包括以下步骤：基于时域有限差分法，构建数据集并提取每组信号的时域和频域相关特征。选用多种机器学习算法建立回归模型，通过均方根误差和决定系数选取最优预测模型，通过网格搜索交叉验证方法选择最优超参数结果进行模型训练。将厚度作为输出参数，将重要特征参数和折射率组合的特征参数作为输入参数，分别训练多种回归模型。通过太赫兹时域光谱系统获得防护涂层样品的太赫兹检测信号，实现太赫兹时域光谱防护涂层厚度定量评估。本发明可用于陶瓷基复合材料表面防护涂层厚度定量评估，提高了陶瓷基复合材料表面防护涂层厚度太赫兹时域光谱定量评估方面的有效性以及准确性。

本发明授权一种基于机器学习的防护涂层厚度太赫兹定量评估方法在权利要求书中公布了：1.一种基于机器学习的防护涂层厚度太赫兹定量评估方法，其特征在于：基于时域有限差分法，构建不同折射率与厚度的防护涂层太赫兹仿真模型作为数据集，提取每组信号的时域和频域相关特征；采取最小-最大归一化方法进行归一化处理后，选取F分数大于预设标准值的重要特征参数；选用多种机器学习算法建立回归模型，通过均方根误差和决定系数选取最优预测模型，并通过网格搜索交叉验证方法选择最优超参数结果进行模型训练；将厚度作为输出参数，将重要特征参数和折射率组合的特征参数作为输入参数，分别训练多种回归模型，选取最优机器学习模型；通过太赫兹时域光谱系统获得防护涂层样品的太赫兹检测信号，选取重要特征参数和折射率组合的特征参数一起输入训练好的最优机器学习模型，厚度作为最优机器学习模型预测的输出参数，实现太赫兹时域光谱防护涂层厚度定量评估； 选用多种机器学习算法建立回归模型进行训练，包括极限梯度提升回归、支持向量回归、随机森林回归和多层感知机回归多种不同的回归模型；对多种回归模型进行训练和模型评估，通过均方根误差和决定系数两种模型评价指标对最优预测模型进行选取； 将厚度作为输出参数，将选取的F分数大于预设标准值的重要特征参数和折射率组合的特征参数作为输入参数，分别训练极限梯度提升回归、支持向量回归、随机森林回归和多层感知机回归多种回归模型；生成模型预测的散点图，选取模型评估指标最佳与预测散点图一致程度最高的模型记为最优机器学习模型。

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北京工业大学，其通讯地址为：100000 北京市朝阳区平乐园100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。