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基于哈里斯鹰算法优化随机森林的良率预测方法及系统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：CN116756662B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202310755878.5，技术领域涉及：G06F18/243；该发明授权基于哈里斯鹰算法优化随机森林的良率预测方法及系统是由陈一宁;王诗琪;蔡宇;高大为设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本基于哈里斯鹰算法优化随机森林的良率预测方法及系统在说明书摘要公布了：本发明公开了一种基于哈里斯鹰算法优化随机森林的良率预测方法及系统，方法包括：获取历史晶圆允收测试数据集；对历史晶圆允收测试数据集中的允收测试数据进行预处理，得到允收测试样本集；通过哈里斯鹰算法迭代优化随机森林模型的关键框架参数并基于关键框架参数对随机森林模型进行修改，构建晶圆良率预测预训练模型；基于允收测试样本集对晶圆良率测试预训练模型进行训练，得到晶圆良率预测模型；将待测允收测试数据输入晶圆良率预测模型中，得到预测结果。本发明能够降低良率预测成本，提高良率预测准确性。

本发明授权基于哈里斯鹰算法优化随机森林的良率预测方法及系统在权利要求书中公布了：1.一种基于哈里斯鹰算法优化随机森林的良率预测方法，其特征在于，包括以下步骤： 获取历史晶圆允收测试数据集； 对历史晶圆允收测试数据集中的允收测试数据进行预处理，得到允收测试样本集； 通过哈里斯鹰算法迭代优化随机森林模型的关键框架参数并基于关键框架参数对随机森林模型进行修改，构建晶圆良率预测预训练模型； 基于允收测试样本集对晶圆良率测试预训练模型进行训练，得到晶圆良率预测模型； 将待测允收测试数据输入晶圆良率预测模型中，得到预测结果； 其中，所述通过哈里斯鹰算法迭代优化随机森林模型的关键框架参数并基于关键框架参数对随机森林模型进行修改，包括以下步骤： 预设哈里斯鹰算法的参数，包括种群数量、最大迭代次数、鹰群和猎物位置的变化范围及维度； 设置通过哈里斯鹰算法迭代优化随机森林算法的关键框架参数，所述关键框架参数至少包括最大弱学习器个数、决策树参数中的最大深度、最大特征数、内部节点再划分所需最小样本数和叶节点最少样本数； 分别初始化哈里斯鹰算法中鹰群与猎物的位置，选择随机森林算法的分类误差作为适应度函数，每次迭代中根据是否发现猎物、猎物的能量状态和适应度函数的大小选择不同的位置更新策略进行位置向量更新，当迭代次数达到预设的最大迭代次数时，完成优化，完成迭代后的位置向量即为优化后的关键框架参数； 其中，鹰群与猎物的位置均表示为一个1dim大小的位置向量，dim表示维度，维度的大小代表需要优化的参数个数，在每次迭代过程中更新位置向量，所述位置向量通过所述关键框架参数构成，位置向量表示为： 其中，Xrbt表示第t次迭代时的位置向量，t表示第t次迭代，X[0]表示最大弱学习器个数，X[1]表示决策树参数中的最大深度，X[2]表示最大特征数，X[3]表示内部节点再划分所需最小样本数，X[4]表示叶节点最少样本数。

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”。

以上内容由龙图腾AI智能生成。