学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
氧化铟半导体薄膜厚度控制的支持向量回归模型
被引:2
作者
:
包新华
论文数:
0
引用数:
0
h-index:
0
机构:
上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室上海,上海,上海
包新华
潘庆谊
论文数:
0
引用数:
0
h-index:
0
机构:
上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室上海,上海,上海
潘庆谊
陈念贻
论文数:
0
引用数:
0
h-index:
0
机构:
上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室上海,上海,上海
陈念贻
机构
:
[1]
上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室,上海大学理学院化学系计算机化学研究室上海,上海,上海
来源
:
计算机与应用化学
|
2002年
/ 06期
关键词
:
数据信息采掘;
支持向量机;
支持向量回归;
氧化钢薄膜;
膜厚的控制;
D O I
:
10.16866/j.com.app.chem2002.06.017
中图分类号
:
O484.1 [薄膜的生长、结构和外延];
学科分类号
:
080501 ;
1406 ;
摘要
:
将支持向量回归(SVR)方法用于氧化铟薄膜的厚度控制。取已有的实验数据作为模式识别训练样本,以样品中氧化铟的重量百分含量、原料的粘度、添加剂的重量百分含量以及两个处理工艺条件提拉速度和提拉次数作为特征变量,得到了用于计算薄膜厚度的回归方程式。用“留一法”检验所得数学模型的预报能力,并将结果与传统的模式识别方法(Fisher法和KNN)进行了比较,结果表明:SVR的预报准确率比Fisher和KNN方法高。因此,SVR方法有望成为一种新的实验设计的手段。
引用
收藏
页码:733 / 736
页数:4
相关论文
未找到相关数据
未找到相关数据