半导体图像分析的先进聚类框架：结合深度拓扑数据分析、自监督学习和迁移学习技术

本研究针对半导体制造过程中大量图像数据的缺乏有效手段进行缺陷识别和产量优化的问题，提出了一种先进的聚类框架。该框架结合了深度拓扑数据分析、自监督学习和迁移学习，通过捕捉内在拓扑特征和从未标记数据中提取有意义的表示，实现对未标记图像的有效聚类，显著提升了半导体制造及其他大规模图像数据领域的过程监控和质量控制能力。