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！

龙图腾网获悉徐州医科大学申请的专利基于机器学习融合模型的多工件并行3D打印时间预测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：CN121562843B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610090461.5，技术领域涉及：G06N7/01；该发明授权基于机器学习融合模型的多工件并行3D打印时间预测方法是由吴川;沈喆;杨博妍;王敏;孟亭瑶;戴菁岑;张潇设计研发完成，并于2026-01-23向国家知识产权局提交的专利申请。

本基于机器学习融合模型的多工件并行3D打印时间预测方法在说明书摘要公布了：本发明涉及基于机器学习融合模型的多工件并行3D打印时间预测方法，涉及3D打印技术与机器学习融合领域，包括采集多工件并行3D打印数据，进行预处理后，经标准化构成标准化数据集；基于贝叶斯网络结构学习与最大似然估计法构建特征关联概率模型；基于特征关联概率模型挖掘标准化数据集中特征间的潜在关联，生成关联特征；筛选生成的关联特征构成最终特征集；构建LightGBM模型，并在最终特征集基础上基于贝叶斯优化后建立多工件并行3D打印时间预测的基础模型；克服现有多工件并行3D打印时间预测方法中存在的特征工程不完善、模型超参数优化不足、预测精度低等问题，提高多工件并行3D打印时间预测的精度和稳定性。

本发明授权基于机器学习融合模型的多工件并行3D打印时间预测方法在权利要求书中公布了：1.基于机器学习融合模型的多工件并行3D打印时间预测方法，其特征在于：包括如下步骤： 采集多工件并行3D打印数据，进行预处理后，经标准化构成标准化数据集； 基于贝叶斯网络结构学习与最大似然估计法构建特征关联概率模型；在所述特征关联概率模型中： 以标准化数据集的特征向量为输入，采用K2算法确定贝叶斯网络的结构，按“几何参数→工艺参数→布局参数”分类排序，设置特征节点顺序，并以贝叶斯信息准则为评分函数；通过遍历特征节点的父节点组合，设置父节点数最大为3，选择贝叶斯信息准则值最大的网络结构作为最优贝叶斯网络结构； 对最优贝叶斯网络结构中的每个特征节点，基于其父节点的取值组合，划分样本子集；基于最大似然估计法对贝叶斯网络的条件概率表进行参数学习，得到特征间的条件概率分布其中，为特征的父节点特征集合； 基于特征关联概率模型挖掘标准化数据集中特征间的潜在关联，生成关联特征；以及 筛选生成的关联特征构成最终特征集； 构建LightGBM模型，并在最终特征集基础上基于贝叶斯优化后建立多工件并行3D打印时间预测的基础模型。

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徐州医科大学，其通讯地址为：221004 江苏省徐州市云龙区铜山路209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。