[发明专利]一种用于滚磨机定向仪的晶棒质量评估方法

权利要求书

1.一种用于滚磨机定向仪的晶棒质量评估方法，其特征在于：包括以下步骤；

步骤1：建立含有M个晶棒检测数据的样本集，每个晶棒检测数据包括s个晶面质量的检测等级及对应得分；

步骤2：将含有M个晶棒检测数据的样本集划分为训练集与测试集；训练集包括N个样本，测试集包括M-N个样本；

步骤3：采用改进的Canopy算法对训练集中样本进行粗聚类；

步骤4：在改进的Canopy算法对训练样本进行粗聚类的基础上再运用K-means算法对训练集样本进行精确聚类，确定用于晶棒质量评估的改进的Canopy-K-means模型的聚类中心；

步骤5：将测试集样本数据用于改进的Canopy-K-means模型，通过计算测试集样本与每一个改进的Canopy-K-means模型的聚类中心的距离来实现晶棒质量的评估，并计算评估平均准确率；

步骤6：判断测试集中是否存在某一样本，其与两个聚类中心的距离差的绝对值小于设定阈值ε，若不存在，则步骤5为测试集样本的最终评估结果；若存在，则采用k-NN算法对该测试样本及对应的两个聚类中心所在Canopy簇中的训练样本进一步进行聚类计算，完成高相似度晶棒的质量评估。

2.根据权利要求1所述的一种用于滚磨机定向仪的晶棒质量评估方法，其特征在于：步骤1所述晶面质量的检测等级及对应得分的确定方法为：

在滚磨机定向仪的磨削与定向阶段，将晶棒晶面的质量检测划分为n个等级，若晶面一等品为A等级，对应得分为n分；晶面二等品为B等级，对应得分为n-1分；其余等级及得分依次类推。

3.根据权利要求1所述的一种用于滚磨机定向仪的晶棒质量评估方法，其特征在于：所述步骤3的具体方法为：

步骤3.1：将训练集中样本随机排列，即X＝[X₁,X₂,...,X_i,...,X_N]，其中，X₁,X₂,...,X_i,...,X_N为训练集中的样本数据，N为训练集中样本总数，X_i＝[x_i1,x_i2,...,x_ir...,x_is]为训练集X中第i个样本关于晶棒晶面检测得分的特征向量，包括s维数据点，即表示晶棒有s个晶面，x_ir表示第i个训练样本的第r个晶面的检测得分；并且训练集中每一个样本数据都存在标签Y＝[y₁,y₂,...,y_i,...,y_N]，用于表示训练集中每一个样本数据所属类别；再选择两个距离阈值T₁、T₂，并且T₁T₂；

步骤3.2：从训练集样本X中随机选择一个样本数据X_i，当作第一个Canopy中心点，并将样本数据X_i从X中删除；

步骤3.3：再从训练集样本X中选取一个样本数据X_j(j≠i)，采用Bray-Curtis方法计算X_j到已经产生的Canopy中心点的最小距离d_BCD，并将其与两个距离阈值T₁、T₂进行比较：

(a)如果d_BCD≤T₁，则给X_j弱标记，表示其属于当前Canopy簇，将X_j加入当前Canopy簇中，X_j不从训练集X中删除；

(b)如果d_BCDT₂，则给X_j强标记，表示其属于当前Canopy簇，并将X_j从训练集X中删除；

(c)如果d_BCDT₁，则X_j不属于当前的Canopy簇，X_j形成一个新的Canopy中心点，并将X_j从训练集X中删除；

采用Bray-Curtis方法计算X_j到已经产生的Canopy中心点X_i的最小距离d_BCD的计算，如下公式所示：

其中，x_jr和x_ir分别是向量X_j和向量X_i的第r维数据，r＝1,2...,s；

步骤3.4：重复执行步骤3.3，直至训练集X中样本为空，进而将训练集样本数据分组成K个Canopy簇，得到K个聚类中心C₁,C₂,...,C_k,...,C_K，其中C_k＝[c_k1,c_k2,...,c_kr,...,c_ks]，每个聚类中心对应一个样本类别。