硅单晶作为最重要的半导体材料,在国民经济、国防科技等各个领域有着广泛应用。在CZ硅单晶生长过程中,放肩是保证晶体顺利进入等径生长的关键工艺阶段。易出现由位错引起的断棱问题,从而导致晶体的非正常生长。目前主要是由拉晶人员通过观察棱线判断晶体生长情况,且尚未有行之有效的方法。特征选择是一种数据预处理方法,目的是从样本集中抽取与目标类别相关性强的特征,从而不降低甚至提高分类器的预测精度,在数据挖掘、模式识别领域中有着重要地位。因此,本文提出基于特征选择的CZ硅单晶放肩阶段断棱的预测研究,实现对放肩断棱的准确预测,提高拉晶效率。本文首先介绍了CZ硅单晶放肩阶段单晶炉采集的参数及数据预处理方法。提出采用特征间相关系数矩阵的方法过滤特征间冗余参数,并提出了样本的抽取方案,经特征缩放后,得到最终用于后续模型的训练集与测试集。然后,采用3种特征选择算法分析特征参数与放肩断棱的相关性。采用MIC、MRMR、Relief计算特征参数与放肩断棱的相关系数,综合其计算结果,选择每个特征选择算法对应的前30个特征参数,作为特征子集进入后续的评估研究。最后,在训练集中完成对4种分类器上的模型训练,以分类准确率作为评估准则,选出具有最优准确率的模型,并在测试集中对该模型进行验证。对3个特征子集分别按照相关系数的降序进行排序,依次提取前6)(6)=1,2,?,30)个特征作为分类器的输入特征进行分类训练,获取每个特征算法在每个分类器上对应最高的准确率。经过比对,得到具有最优准确率和最小特征子集的预测模型—MRMR-KNN。在测试集上对MRMR-KNN模型进行验证,得到的准确率高达0.9512,证明该模型对于放肩阶段断棱的预测是可行的。