支持向量机在高功率器件制造中的应用

• 作者: 李勇 颜骥 饶伟
• 来源期刊: 控制与信息技术
• 学科: 工学
• 关键词: 高功率器件 支持向量机 机器学习 数据降维 参数寻优 合格率
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 人工智能技术与应用
• 页码范围: 62-64,86
• 页数: 4页
• 分类号: TP18|TN305
• 语种: 中文
• DOI: 10.13889/j.issn.2096-5427.2018.01.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜骥		3	0	0.0	0.0
2	李勇		3	0	0.0	0.0
3	饶伟		1	0	0.0	0.0