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！

龙图腾网获悉泉州装备制造研究所;中国科学院福建物质结构研究所申请的专利基于特征空间几何的时空耦合虚拟计量智能标注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：CN121542791B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610063290.7，技术领域涉及：G06F18/23211；该发明授权基于特征空间几何的时空耦合虚拟计量智能标注方法是由陈豪;黄腾凯;王耀宗;陈松航;张剑铭;骆炜;戴玲凤;连明昌;王森林;钟浪设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本基于特征空间几何的时空耦合虚拟计量智能标注方法在说明书摘要公布了：本发明涉及半导体制造质量控制技术领域，具体涉及基于特征空间几何的时空耦合虚拟计量智能标注方法，包括如下步骤：S1：获取半导体制造设备的多维传感器时序数据作为标注样本集，对该标注样本集进行流形价值评估；S2：建立基于数据复杂度的自适应时间权重模型，基于自适应核函数建立基于局部稀疏度的动态空间权重模型，将该自适应时间权重模型、该动态空间权重模型和该流形价值评估相结合，定义时空耦合价值评分；S3：以时空耦合价值评分为输入，建立三层优化架构实现全局最优的样本组合；S4：将各簇选择的样本合并形成最终标注集合，对最终标注集合进行质量评估，根据质量评估结果生成标准化的标注输出；为后续的智能选择提供准确的价值依据。

本发明授权基于特征空间几何的时空耦合虚拟计量智能标注方法在权利要求书中公布了：1.基于特征空间几何的时空耦合虚拟计量智能标注方法，其特征在于：包括如下依次执行的步骤： S1：获取半导体制造设备的多维传感器时序数据作为标注样本集，获取该标注样本集位于特征流形高曲率区域、以及稀缺区域和分布边界的两个几何特征指标：识别出该标注样本集中位于特征流形高曲率区域的样本和位于稀缺区域和分布边界的样本，将两个几何特性指标融合为统一的流形价值评估,具体步骤如下： S1-1：识别该标注样本集中位于特征流形高曲率区域的样本，识别过程如下： 基于微分几何理论，采用如下公式计算样本在特征流形上的局部曲率矩阵： ； 其中，为矩阵行列式，为L2范数，基于微分几何中曲率的标准形式：，为样本处的局部密度函数； 局部特征梯度向量采用如下公式计算： ； 其中，为近邻数量，为高斯核函数，为核密度估计带宽参数，，为样本的近邻集合，为特征维度； S1-2：识别该标注样本集中的稀缺区域和分布边界，识别过程如下： 采用改进的核密度梯度估计计算样本的密度梯度价值： ； 其中，为密度函数在处的梯度范数平方，为样本的局部密度，为全局密度中位数，为指数函数，，比值为相对密度，局部密度通过高斯核密度估计计算：，其中为近邻数量，为核密度估计带宽参数，为特征维度； 密度梯度通过数值微分计算： ； 其中，为微分步长，为第个标准基向量； S1-3：将两个几何特性指标融合为统一的流形价值评估： ； 其中，为局部曲率权重，为密度梯度权重，； S2：建立基于数据复杂度的自适应时间权重模型，基于自适应核函数建立基于局部稀疏度的动态空间权重模型，将该自适应时间权重模型、该动态空间权重模型和该流形价值评估相结合，定义时空耦合价值评分； S3：以时空耦合价值评分为输入，建立三层优化架构实现全局最优的样本组合，具体包括如下步骤： S3-1:建立多目标优化的聚类选择模型，通过信息熵最小化确定最优聚类数，将样本划分为预设数量的簇； S3-2:基于多目标优化理论，综合考虑簇的多样性、价值和冗余度，通过加权计算得到簇评分，并根据该簇评分分配各簇的标注预算； S3-3:在每个簇内采用自适应贪心算法，通过多样性权重的动态调整，选择最具代表性的样本； S4：智能标注执行与结果输出：将各簇选择的样本合并形成最终标注集合，对最终标注集合进行质量评估，根据质量评估结果生成标准化的标注输出。

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泉州装备制造研究所;中国科学院福建物质结构研究所，其通讯地址为：362000 福建省泉州市台商投资区洛阳镇上浦村吉贝511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”。

以上内容由龙图腾AI智能生成。