| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第9-17页 |
| 1.1 硅片加工流程 | 第9-14页 |
| 1.1.1 多线切割技术 | 第9-10页 |
| 1.1.2 双面研磨 | 第10-11页 |
| 1.1.3 腐蚀 | 第11-12页 |
| 1.1.4 薄膜 | 第12-13页 |
| 1.1.5 抛光 | 第13-14页 |
| 1.2 硅片几何参数的数据结构 | 第14-15页 |
| 1.3 数据挖掘与机器学习 | 第15-17页 |
| 2 实验 | 第17-20页 |
| 2.1 实验材料 | 第17页 |
| 2.2 实验设备 | 第17-18页 |
| 2.3 实验方案 | 第18-20页 |
| 2.3.1 现场试验 | 第18页 |
| 2.3.2 计算机实验 | 第18-20页 |
| 3 几何参数异常品的特征提取 | 第20-33页 |
| 3.1 一些典型异常硅片的形状 | 第20-21页 |
| 3.2 提取异常硅片的形状特征值 | 第21-30页 |
| 3.2.1 差分法提取的形状统计量 | 第21-27页 |
| 3.2.2 线性回归分析提取统计量 | 第27-29页 |
| 3.2.3 利用方差分析提取统计量 | 第29-30页 |
| 3.3 构造特征值 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 4 几何参数异常品的自动化诊断 | 第33-51页 |
| 4.1 数据分析流程框架 | 第33-50页 |
| 4.1.1 LDA(Linear discriminant analysis)分析 | 第34-36页 |
| 4.1.2 Adaboost (adaptive boosting)分析 | 第36-39页 |
| 4.1.3 Bagging分析 | 第39-41页 |
| 4.1.4 Random Forest分析 | 第41-44页 |
| 4.1.5 Support vector machine分析 | 第44-46页 |
| 4.1.6 k-Nearest Neighbor分析 | 第46-50页 |
| 4.2 本章小结 | 第50-51页 |
| 5 硅片几何形状的预报 | 第51-61页 |
| 5.1 酸腐蚀的经验模型 | 第51-56页 |
| 5.1.1 酸腐蚀经验模型实验基础 | 第51-53页 |
| 5.1.2 建立去除量的经验模型 | 第53-54页 |
| 5.1.3 经验模型的求解与验证 | 第54-56页 |
| 5.2 去除形状的空间模型 | 第56-60页 |
| 5.2.1 空间模型的理论与求解 | 第56-57页 |
| 5.2.2 基于空间模型的形状预报 | 第57-60页 |
| 5.3 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士学位期间取得的学术成果 | 第69-70页 |
| 致谢 | 第70页 |
