支持向量机在高功率器件制造中的应用

摘要

支持向量机（SVM）作为一种机器学习算法,具有良好的非线性处理能力、理论全局最优及克服维数灾难等优点。文章采用高斯核函数（RBF）支持向量机回归模型（SVR）,归一化和降维进行数据处理,交叉验证进行参数寻优,获得最佳预测模型,并对该预测模型进行测试。应用该预测模型分析工艺参数对高功率器件合格率的影响,结果表明其对合格率的预测精度较高,对功率器件质量的提升具有重要的指导意义。