買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西南科技大學(xué);中國(guó)工程物理研究院化工材料研究所申請(qǐng)的專利適用于含能化合物數(shù)據(jù)挖掘的方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN115691699B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211352817.6，技術(shù)領(lǐng)域涉及：G16C20/30；該發(fā)明授權(quán)適用于含能化合物數(shù)據(jù)挖掘的方法及系統(tǒng)是由楊春明;田杰;劉建設(shè)計(jì)研發(fā)完成，并于2022-11-01向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本適用于含能化合物數(shù)據(jù)挖掘的方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種適用于含能化合物數(shù)據(jù)挖掘的方法及系統(tǒng)，屬于化學(xué)信息學(xué)計(jì)算中含能化合物構(gòu)效關(guān)系技術(shù)領(lǐng)域，包括步驟：S1，數(shù)據(jù)預(yù)處理；S2，提取分子拓?fù)浣Y(jié)構(gòu)特征和量子化學(xué)計(jì)算的特征，生成指紋普特征；S3，計(jì)算皮爾森相關(guān)性和信息熵，篩選出線性相關(guān)與非相信相關(guān)的特征，進(jìn)行特征降維，刪除特征之間線性相關(guān)性高于設(shè)定值的冗余特征；S4，知識(shí)挖掘與模型驗(yàn)證，發(fā)掘特征庫(kù)之間的相關(guān)性與知識(shí)關(guān)聯(lián)。本發(fā)明可以對(duì)含能材料按照骨架和基團(tuán)進(jìn)行數(shù)據(jù)分類，挖掘多維度的線性特征和非線性特征，將更多基于化學(xué)專業(yè)知識(shí)的特征嵌入圖結(jié)構(gòu)模型訓(xùn)練過(guò)程，利用本發(fā)明的數(shù)據(jù)挖掘引擎能夠篩選出強(qiáng)關(guān)聯(lián)的分子特征，可以彌補(bǔ)現(xiàn)有模型的不足。

本發(fā)明授權(quán)適用于含能化合物數(shù)據(jù)挖掘的方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種適用于含能化合物數(shù)據(jù)挖掘的方法，其特征在于，包括以下步驟： S1，數(shù)據(jù)預(yù)處理：獲取含能分子結(jié)構(gòu)和其對(duì)應(yīng)的物理化學(xué)屬性值，根據(jù)組分和結(jié)構(gòu)的篩選條件，篩選組分中僅含CHON四種元素的化合物，結(jié)構(gòu)上含有硝基的單分子的電中性化合物，且分子中原子數(shù)量小于設(shè)定范圍，將篩選結(jié)果進(jìn)行去重后進(jìn)行編碼存儲(chǔ)，作為數(shù)據(jù)集；再將數(shù)據(jù)集按照硝基鍵連化學(xué)環(huán)境的類型分類，構(gòu)造類型均勻分布的訓(xùn)練集和測(cè)試集； S2，計(jì)算特征：分別提取預(yù)處理后的分子拓?fù)浣Y(jié)構(gòu)特征和量子化學(xué)計(jì)算的特征，生成指紋普特征，針對(duì)不同的材料屬性，建立多個(gè)分子特征庫(kù)，一個(gè)特征庫(kù)包含計(jì)算得到的所有特征，完成構(gòu)建特征庫(kù)； S3，篩選特征：計(jì)算皮爾森相關(guān)性和信息熵，篩選出線性相關(guān)與非線性相關(guān)的特征，用遞歸特征消除RFECV的方法進(jìn)行特征降維，刪除特征之間線性相關(guān)性高于設(shè)定值的冗余特征；在步驟S3中，所述篩選特征涵蓋了線性的和非線性的篩選方法，具體包括如下子步驟： 步驟1）：采用皮爾森相關(guān)系數(shù)篩選特征； 步驟2）：采用非線性的評(píng)估方法Copula負(fù)熵來(lái)計(jì)算非線性特征的相關(guān)性； 步驟3）：選定任一機(jī)器學(xué)習(xí)模型用遞歸特征消除RFECV的方法來(lái)擴(kuò)充候選特征庫(kù)，通過(guò)將程序迭代n次來(lái)解決訓(xùn)練數(shù)據(jù)集的拆分和特征的隨機(jī)選擇過(guò)程的偶然性影響，n正整數(shù)； 步驟4）：計(jì)算特征相關(guān)性矩陣，去除特征之間皮爾森Pearson線性相關(guān)性大于設(shè)定值的冗余特征，優(yōu)先保留與屬性值相關(guān)性強(qiáng)的特征； S4，知識(shí)挖掘與模型驗(yàn)證：發(fā)掘特征庫(kù)之間的相關(guān)性與知識(shí)關(guān)聯(lián)，從專家知識(shí)角度驗(yàn)證屬性與特征的強(qiáng)相關(guān)性，拼接指紋普特征作為機(jī)器學(xué)習(xí)模型的輸入，調(diào)整參數(shù)，在不同的模型上采用交叉驗(yàn)證的方法驗(yàn)證和評(píng)估特征，得到最優(yōu)定量結(jié)構(gòu)-性質(zhì)關(guān)系QSPR模型，用于含能化合物數(shù)據(jù)挖掘。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西南科技大學(xué);中國(guó)工程物理研究院化工材料研究所，其通訊地址為：621000 四川省綿陽(yáng)市涪城區(qū)青龍大道中段59號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。