技术特征：
1.一种材料性能自动预测系统，其特征在于，包括：数据采集模块，用于获取可用于回归任务的材料数据集和其他领域的通用数据集，作为预测系统的输入数据；数据预处理模块，与所述数据采集模块连接，用于对所述材料数据集、通用数据集进行预处理；领域知识库构建模块，与所述数据预处理模块连接，用于通过获取领域知识，构建材料类别树并进行量化表示，构建领域知识矩阵；元数据库构建模块，与所述数据预处理模块连接，用于分别对所述材料数据集、通用数据集进行元特征计算和算法性能评估，获得所述材料数据集、通用数据集的元特征矩阵和性能矩阵，至此构建材料元数据和通用元数据；算法推荐模块，分别与所述领域知识库构建模块、元数据库构建模块连接，用于采用领域知识嵌入的协同推荐机制，将基于材料元数据的算法推荐结果与基于通用元数据的算法推荐结果进行协同，获得最优推荐算法；基于最优推荐算法对材料目标属性进行预测。2.根据权利要求1所述的材料性能自动预测系统，其特征在于，所述材料数据集的数据信息至少包括数据来源、样本条数、特征维度、目标属性、材料类别；所述通用数据集的数据信息至少包括数据来源、样本条数、特征维度和目标属性。3.根据权利要求1所述的材料性能自动预测系统，其特征在于，所述数据预处理模块包括第一预处理单元、第二预处理单元；所述第一预处理单元用于将数据集的条件属性与目标性能进行原信息溯源，获得统一数据格式；所述第二预处理单元用于对统一数据格式的数据进行缺失值处理、类别型数据处理和标准归一化，获得符合机器学习建模要求的数据。4.根据权利要求1所述的材料性能自动预测系统，其特征在于，所述元数据库构建模块包括元特征计算单元、算法性能评估单元；所述元特征计算单元用于所述材料数据集、通用数据集的元特征计算，获得所述材料数据集、通用数据集的元特征矩阵；所述算法性能评估单元用于通过回归算法建模规则，获得数据集输入与输出之间的映射关系，根据所述映射关系预测目标性能，获得性能矩阵。5.根据权利要求4所述的材料性能自动预测系统，其特征在于，所述元特征包括传统元特征、增强元特征；所述传统元特征基于数据集的条件属性提取，包括简单元特征、描述数据分布情况的统计元特征、基于主成分的元特征；所述增强元特征包括基于机器学习模型的元特征、描述目标属性的统计元特征、描述目标属性不确定性的元特征；所述基于机器学习模型的元特征通过机器学习算法提取模型性能度量获得；所述目标属性的统计元特征、描述目标属性不确定性的元特征根据数据集的目标性能提取获得。6.根据权利要求5所述的材料性能自动预测系统，其特征在于，
所述描述目标属性不确定性的元特征，用于度量目标属性数据的不确定，进行概念化的数值表示；所述数值表示通过一个泛高斯分布三元组处理具有不确定概念的目标属性数据，包括期望、熵、超熵；所述期望为一个概念中最具代表性的数据表示；所述熵用于表示概念的粒度尺度；所述超熵用于描述概念粒度的不确定性。7.根据权利要求1所述的材料性能自动预测系统，其特征在于，所述领域知识库构建模块包括领域知识获取单元、领域知识表示单元；所述领域知识获取单元用于通过材料数据集的目标属性，构建多叉树结构的材料类别树来可视化材料领域知识；根据所述材料类别树对材料数据集进行逐级分类，获得分类结果；所述领域知识表示单元用于根据材料类别树获取材料类别，并进行量化表示，构建领域知识矩阵。8.根据权利要求7所述的材料性能自动预测系统，其特征在于，所述分类结果包括金属材料、无机非金属材料、高分子材料、复合材料；所述金属材料包括黑色金属、有色金属；所述无机非金属材料包括陶瓷、水泥、耐火材料和玻璃；所述高分子材料包括塑料、纤维、涂料、有机溶剂、有机小分子、生物燃料化合物和橡胶材料；所述复合材料包括金属基材料、陶瓷基材料、聚合物基材料、碳-碳复合材料。9.根据权利要求1所述的材料性能自动预测系统，其特征在于，所述算法推荐模块包括第一算法推荐单元、第二算法推荐单元、协同推荐排序单元；所述第一算法推荐单元用于根据材料数据集的元数据，将不同领域知识量化并嵌入以指导元学习推荐过程，获得第一推荐结果；所述第二算法推荐单元用于根据通用数据集的元数据直接进行元学习推荐，获得第二推荐结果；所述协同推荐排序单元用于根据所述第一推荐结果、第二推荐结果进行协同排序计算，根据排名获得最优推荐算法；基于最优推荐算法对材料目标属性进行预测。
技术总结
本发明公开了一种材料性能自动预测系统，包括：数据采集模块，用于采集材料数据集和其他研究领域的通用数据集；数据预处理模块，用于对数据集进行预处理；领域知识库构建模块，用于构建材料类别树并进行量化表示，构建领域知识矩阵以指导协同元推荐；元数据库构建模块，分别面向材料数据集和通用数据集进行元特征计算和算法性能评估，构建材料元数据和通用元数据；算法推荐模块，用于将基于材料元数据的算法推荐结果与基于通用元数据的算法推荐结果进行协同，获得最优推荐算法；基于最优推荐算法对材料目标属性进行预测。本发明能解决机器学习建模时算法选择困难以及参数确定繁琐的问题，提高机器学习在材料性能预测领域的可靠性与易用性。可靠性与易用性。可靠性与易用性。
技术研发人员：刘悦 王双燕 杨正伟 涂章伟 施思齐
受保护的技术使用者：上海大学
技术研发日：2022.06.27
技术公布日：2022/10/3