声明
致谢
摘要
图目录
表目录
符号清单
第1章绪论
1.1课题研究背景
1.2单晶硅直拉法生长工艺及生长过程质量问题
1.2.1直拉法单晶硅生长工艺流程
1.2.2单晶硅等径生长过程中的“掉苞”现象及原因分析
1.3数据挖掘技术
1.3.1数据挖掘的概念
1.3.2数据挖掘基本步骤
1.4国内外研究现状
1.4.1产品生产过程的质量诊断与预测的研究现状
1.4.2半导体材料制造过程的质量预测分析的研究现状
1.5本文主要工作与章节安排
第2章基于单晶炉多参数状态监控传感器的等径“掉苞”预测方法研究
2.1引言
2.2单晶硅生长工艺过程的数据监控简述
2.3基于数据挖掘的等径过程“掉苞”预测模型
2.3.1基于高斯混合模型和逻辑斯蒂回归的异常样本点检测
2.3.2基于随机森林的单晶硅等径生长过程“掉苞”判定方法
2.4等径过程“掉苞”预测模型的线上应用方案
2.5本章小结
第3章数据预处理
3.1引言
3.2数据预处理
3.2.1数据来源与数据采集
3.2.2数据标准化
3.3特征选择
3.3.1特征选择的分类和互信息系数
3.3.2等径过程样本集的特征选择
3.4特征降维
3.4.1主成分分析法及其方案流程
3.4.2等径过程样本集的PCA降维
3.5本章小结
第4章基于高斯混合和逻辑回归的等径“掉苞”异常样本点检测模型
4.1引言
4.2异常样本点检测模型训练的流程
4.3单晶硅等径过程的样本点的高斯混合模型训练
4.3.1高斯混合模型的初始化参数估计
4.3.2高斯混合模型的训练流程
4.3.3高斯混合模型的混合数确定
4.3.4最优混合数的高斯混合模型参数
4.4逻辑斯蒂回归
4.4.1逻辑斯蒂回归的概念
4.4.2逻辑斯蒂回归数学表述
4.4.3逻辑回归参数估计
4.5异常样本点检测模型的模型性能评估
4.6本章小结
第5章基于随机森林的单晶硅等径生长过程“掉苞”判定方法研究
5.1引言
5.2基于随机森林的判别模型训练的流程
5.3等径过程样本点的“掉苞”判别决策树模型
5.3.1决策树的训练流程
5.3.2 CART决策树结点的划分选择
5.3.3决策树的剪枝优化
5.4树模型的集成方法
5.4.1随机森林
5.4.2随机森林的判别模型训练流程
5.5 CART决策树和随机森林模型的性能参数
5.5.1 CART决策树的性能参数
5.5.2随机森林的性能参数
5.6本章小结
第6章单晶硅等径生长过程的“掉苞”预测模型的模拟在线测试
6.1引言
6.2等径生长过程的“掉苞”预测的模拟在线测试流程
6.3测试数据集的模拟在线测试
6.4模拟在线测试的测试实例分析
6.5本章小结
第7章总结与展望
7.1工作总结
7.2工作展望
参考文献