The invention discloses TFT LCD industrial intelligent prediction method based on R SVM. The invention combines the traditional SVM with the idea of random forest to make the final prediction result more robust and reliable. At the same time, SVM itself is suitable for training high-dimensional data and large feature space, and performs well on small sample data. The core process of realizing this method lies in the construction of samples and feature sets and the combination with the final svm. The traditional SVM model does not do too much screening and judgment for feature and sample set, and the whole sample set is selected to be directly put into the model for training. Based on the idea of random forest, the present invention considers that in the process of model training, a plurality of different sample sets and feature sets are formed and trained in combination with the traditional SVM model. The training SVM models are used to predict the final validation set, and the mean values of all the predictions are taken as the final prediction results.
【技术实现步骤摘要】
基于R-SVM的TFT-LCD工业智能预测方法
本专利技术是一种基于R-SVM的TFT-LCD薄膜晶体管液晶显示器)工业智能预测方法。
技术介绍
半导体产业是一个信息化程度高的产业。高度的信息化给数据分析创造了可能性。基于数据的分析可以帮助半导体产业更好的利用生产信息,提高产品质量。现有的解决方案是,生产机器生产完成后,对产品质量做非全面的抽测,进行产品质量检核。这往往会出现以下状况,一是不能即时的知道质量的好坏,当发现质量不佳的产品时,要修正通常都为时以晚,二是在没有办法全面抽测的状况下,存在很大漏检的风险。在机器学习,人工智能快速发展的今天,希望由机器生产参数去预测产品的质量,来达到生产结果即时性以及全面性。更进一步的,可基于预先知道的结果,去做对应的决策及应变,对客户负责,也对制造生产更加敏感。传统的机器学习方法都对数据型预测做出了很大的贡献。单一性的方法有线性回归,实现简单,计算简单并且可解释性强,适用于连续型数据的预测;Svm可解决高维问题,大型特征空间,提高泛化能力;决策树计算简单,易于理解,适用于有缺失属性的样本,高效应对大数据集;knn理论成熟,思想简单等。集成算法包括bagging与boosting类的多种算法。其中运行效果较好的是随机森林方法,解决了决策树的过拟合问题,并且提高了模型的鲁棒性,发挥了较好的作用。集成算法在单一算法的基础上有了一些进步,但是也存在自身的弊端。例如随机森林在解决回归问题时,并不像分类问题的效果那么理想。尤其是在处理小样本数据的时候,效果也是不甚满意。
技术实现思路
考虑到上述问题,本专利技术提出了一种基于随机sv ...
【技术保护点】
1.基于R‑SVM的TFT‑LCD工业智能预测方法,其特征在于:本方法数据来源于阿里天池工业智能制造质量预测公开数据集,数据列包括生产TFT‑LCD的工业制作过程。共有8029列,600个样本;该方法的实现过程包括如下步骤,步骤1,数据预处理;步骤2,pca降维;步骤3,模型搭建;步骤4,多模型判断优异;步骤5,模型预测;步骤6,mse判定。
【技术特征摘要】
1.基于R-SVM的TFT-LCD工业智能预测方法,其特征在于:本方法数据来源于阿里天池工业智能制造质量预测公开数据集,数据列包括生产TFT-LCD的工业制作过程。共有8029列,600个样本;该方法的实现过程包括如下步骤,步骤1,数据预处理;步骤2,pca降维;步骤3,模型搭建;步骤4,多模型判断优异;步骤5,模型预测;步骤6,mse判定。2.根据权利要求1所述的基于R-SVM的TFT-LCD工业智能预测方法,其特征在于:步骤1,数据预处理;在数据预处理部分,首先对8029列数据中的离散型数据进行了处理;根据离散型数据列与最终Y值的影响做了一元方差分析;根据离散型列值分析对数据进行了encoder型编码;对数据样本进行去空,重复列去重,对单个空缺值进行填补;步骤2,PCA降维;在降维阶段,使用pca降维技术,因为数据中没...
【专利技术属性】
技术研发人员:张涛,冯宇婷,郝兵,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。