[发明专利]一种基于分级分类模型的人工智能筛选材料方法

权利要求书

1.一种基于分级分类模型的人工智能筛选材料方法，其特征在于包括以下步骤：

步骤1，按照初始的聚类中心来选择得到k个聚类中心作为初始的聚类中心，根据数据对象之间的距离公式

计算出每一个数据对象与中心的距离，将每一个数据对象分配给离其最近的聚类中心，以得到k个簇类；

步骤2，得到k个簇类之后，根据簇类中心的公式

重新计算新的簇类的中心，然后更新簇类的中心，直到聚类的中心不再发生变化或是连续几次的取值的插值均小于阀值，确定若干簇类以完成对材料的分类；

步骤3，在完成材料的分类之后对材料进行分级，首先寻找材料参数数值区间，利用公式

对参数在参数数值区间内求偏导并利用插值拟合算法得到函数，其次材料的参数通过函数图像显示出来，根据函数图像判断材料的性能。

2.根据权利要求1所述的一种基于分级分类模型的人工智能筛选材料方法，其特征在于在步骤2中，根据任一参数实验数据组的极差与阈值的差值，若小于阈值的差值则y＝0，判断材料为不敏感材料；若大于阈值的差值则y＝1，判断材料为敏感材料。

3.根据权利要求1所述的一种基于分级分类模型的人工智能筛选材料方法，其特征在于在步骤3中，当材料为敏感材料时，根据材料的性能对实现材料的分级，根据阈值函数y＝a*(x_i)ⁿ+b参数点的数值得出n的值，n为1，则为一级参数；n为2，则为二级参数；n为3，则为三级参数，一级至三级参数进行优化以对模型进行修正或对参数的步长进行优化。

4.根据权利要求3所述的一种基于分级分类模型的人工智能筛选材料方法，其特征在于一级参数优化时，当参数对于目标函数的值的影响在区间上成单调递增或者单调递减的单向性质，且参数的图像显示为单调递增或者单调递减函数，在单调增区间右边界或者在单调减区间左边界进行单向优化。

5.根据权利要求3所述的一种基于分级分类模型的人工智能筛选材料方法，其特征在于二级参数在优化时，材料参数的图像总体上显示为上抛或下抛抛物线的左侧或右侧。此时根据公式y＝a*(x_i)ⁿ+b，可得出n的取值为2，此时即为二级参数，所以需要对单调增区间右边界或者在单调减区间左边界进行优化及调整参数的步长。

6.根据权利要求3所述的一种基于参数分级分类模型的人工智能筛选材料方法，其特征在于二级参数在优化时，材料参数的总体图像显示为上抛或是下抛的抛物线；当参数对于目标函数值的影响在区间上成先增后减的双向性质，对单调函数在区间内增减性质的判断，找到上单峰位置进行优化；当参数对于目标函数值的影响在区间上成先减后增的双向性质，对这种单调函数在区间内增减性质的判断，找到下单峰的位置同时找到区间的两个端点，通过比较端点的大小进行优化。

7.根据权利要求3所述的一种基于分级分类模型的人工智能筛选材料方法，其特征在于三级参数在优化时，参数的图像至少存在两个单峰，对于三级参数而言至少优化两次。

8.根据权利要求7所述的一种基于分级分类模型的人工智能筛选材料方法，其特征在于三级参数的优化步骤：

S1:判断目标函数函数的先减后增得双向性；

S2:寻找目标函数所有单峰点并且要判断出单峰点是否连续；

S3:对于目标函数的非连续单峰点确定最外侧单峰是否是下单峰，若是则寻找下单峰区间外侧端点边界；

S4:对上单峰和最外侧下单峰区间外侧端点边界进行优化。