特征提取及数据扩充的GA-LightGBM半导体质量检测方法

作     者：程云飞 周丽芳 赵波 谭佳伟 王淑影 CHENG Yunfei;ZHOU Lifang;ZHAO Bo;TAN Jiawei;WANG Shuying

作者机构：长春工业大学数学与统计学院长春130012 

出 版 物：《重庆邮电大学学报（自然科学版）》 (Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition))

年 卷 期：2024年第36卷第2期

页      面：351-356页

学科分类：080903[工学-微电子学与固体电子学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 0809[工学-电子科学与技术（可授工学、理学学位）] 081104[工学-模式识别与智能系统] 08[工学] 080501[工学-材料物理与化学] 0805[工学-材料科学与工程（可授工学、理学学位）] 080502[工学-材料学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：吉林省重大科技专项(20210301038GX,20220301031GX) 吉林省科技厅重点研发项目(20230204078YY) 

主　　题：质量检测 主成分分析 合成少数类过采样技术 GA-LightGBM 

摘      要：半导体质量检测数据具有的“相关性、冗余性、不平衡性等特点,导致传统的分类算法效率较低,为此,提出一种基于特征提取及数据扩充的GA-LightGBM(genetic algorithm-light gradient boosting machine)质量检测方法。通过结合主成分分析(principal component analysis,PCA)、合成少数类过采样技术(synthetic minority oversampling technique,SMOTE)、遗传算法和LightGBM这4种方法,实现对产品质量的有效识别。实验结果表明,相较于传统分类算法,提出的方法可以有效提升质量检测的效率。