浙江大学陈一宁获国家专利权
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
龙图腾网获悉浙江大学申请的专利一种基于HHO-堆叠集成学习的集成电路沉积膜厚预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116680660B 。
龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310715152.9，技术领域涉及：G06F18/27；该发明授权一种基于HHO-堆叠集成学习的集成电路沉积膜厚预测方法是由陈一宁;史雨萌;蔡宇;高大为设计研发完成，并于2023-06-15向国家知识产权局提交的专利申请。
本一种基于HHO-堆叠集成学习的集成电路沉积膜厚预测方法在说明书摘要公布了：本发明提供了一种基于HHO‑堆叠集成学习的集成电路沉积膜厚预测方法，包括：第一步骤：提取集成电路沉积膜特征数据集；第二步骤：对数据进行归一化处理；第三步骤：使用HHO哈里斯鹰优化算法对归一化后的数据集进行特征筛选，选择最优的特征集合；第四步骤：建立堆叠集成学习模型；第五步骤：利用网格搜索对堆叠集成学习中各学习器进行超参数优化；第六步骤：使用优化好的堆叠集成学习模型对集成电路沉积膜厚进行预测。本发明有助于对各关键阶段质量情况进行预测，从而保证产品良率。
本发明授权一种基于HHO-堆叠集成学习的集成电路沉积膜厚预测方法在权利要求书中公布了：1.一种基于HHO-堆叠集成学习的集成电路沉积膜厚预测方法，其特征在于包括： 第一步骤：提取集成电路沉积膜特征数据集； 第二步骤：对集成电路沉积膜特征数据集内各数据均做归一化处理，得到归一化后集成电路沉积膜特征数据集； 第三步骤：使用HHO哈里斯鹰优化算法对归一化后的数据集进行特征筛选，选择最优的特征集合； 第四步骤：按照预设比例将所得集成电路沉积膜特征数据集内所有数据随机划分为训练集、测试集，并建立堆叠集成学习模型； 第五步骤：利用网格搜索对堆叠集成学习中各学习器进行超参数优化，得到超参数优化后集成电路沉积膜厚预测模型； 第六步骤：使用优化好的堆叠集成学习模型对集成电路沉积膜厚进行预测； 所述堆叠集成学习模型具有两层结构，包括基学习器和元学习器，所述基学习器包括RF、XGBoost、SVM、LightGBM，元学习器包括CatBoost模型，第一层选择作为基学习器，用这些基学习器的输出结果组成新的训练集，输入到第二层的元学习器中，选择作为第二层的元学习器。
如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310000 浙江省杭州市余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号