结合覆盖率驱动技术的RVM验证方法学在SOC验证中的应用

本文首先介绍RVM验证方法学和覆盖率驱动技术,然后详细分析如何使用结合覆盖率驱动技术的RVM验证方法学对SOC(SystemOnChip)进行完备的功能验证,最后探讨如何利用此方法学提高验证的效率。     

一种Cache一致性协议验证中覆盖率驱动的随机验证方法

随机验证技术是当今大规模集成电路仿真验证流程中的一项重要支撑技术,覆盖率驱动的随机测试生成方法是目前该领域研究的热点之一。针对Cache一致性协议的验证目标,介绍一种引入基于朴素贝叶斯模型的机器学习来完善基于覆盖率驱动的随机验证的方法,并结合相关的实际验证过程对该方法进行了分析和讨论。     

一种可重用的SOC验证平台

本文介绍了基于事务的RVM(reference verification method)验证方法学,以及利用RVM验证方法学搭建可重用性高效验证平台,详细分析了常见SOC(system on chip)上SD(secure digital)模块的RTL(register transfer level)级验证平台的搭建及其在系统级的重用,此验证平台比传统验证平台在效率上大大提高,缩短了SOC的开发周期,加快了产品的面市时间.     

改进RVM预测海水水质

为对海洋水质污染治理提供科学的理论基础,在统计学习理论框架下提出一种海水水质预测模型.结构上,该模型由数据降维、非线性逼近和参数优化3个功能部分构成.该模型用主成分分析对10种海水水质影响因子进行数据降维,从中提取主成分作为相关向量机的输入;利用相关向量机进行逼近,采用组合核函数替代传统的单一核构建多核映射机制,通过萤火虫算法优化组合核的权重及其模型的相关参数.实验结果表明,针对动态复杂的海洋数据,相关向量机的多核映射机制在预测精度上明显优于单一核的映射机制,进一步从统计分析角度验证了模型的有效性.     

基于决策树和相关向量机的智能故障诊断方法

针对故障诊断面临的故障样本少、非线性强、多故障处理等问题以及传统智能诊断方法存在的不足,提出了一种基于决策树（DT）和相关向量机（RVM）的智能故障诊断方法。通过构造决策二叉树,将多类分类问题分解成多个二类分类问题;在各个决策节点,利用RVM进行二类分类,从而实现RVM的多类分类。理论分析及仿真结果表明,相比支持向量机,新方法在保持高诊断正确率的同时具有更高的稀疏性和诊断效率,并且能够提供概率式输出,更具实用价值;相比OAR-RVM和OAO-RVM方法,新方法节省了训练时间,具有更高的训练效率。     

改进的RVM在肺结节检测中的研究与应用

在模式识别问题中,相关向量机（RVM）作为一种新的机器学习方法备受关注,近年来,多核RVM方法的提出使得RVM得到更广泛的应用。多核RVM模型中核参数的取值及不同核函数组合权重系数的取值对模型分类性能至关重要,然而在实际应用中其值却多由经验值给定而非定量分析计算得到。为此,对基于粒子群算法（PSO）及基于二阶锥规划（SOCP）的多核RVM参数优化模型进行研究,构造合理的核函数组合,并给出快速求解方法。最后将该方法应用到肺结节检测中,采用公共数据集LIDC中的肺部CT图像,通过图像处理模块,提取候选结节的特征信息,利用改进的多核RVM模型对肺结节进行分类验证。实验结果表明,与基于PSO的多核RVM模型相比,基于PSO与SOCP相结合的多核RVM模型不仅提高了运算效率而且取得了更好的分类性能。     

基于相关向量机的瓦斯涌出量不确定性预测

为了分析瓦斯涌出量预测结果的不确定性,提出一种基于相关向量机的估计方法:依据稀疏贝叶斯学习模型,计算瓦斯涌出量样本空间的稀疏相关支持向量和相应的超参数,再计算预测结果的均值和方差,从而得出瓦斯涌出量预测结果的概率分布和置信区间。分析结果表明,3组检验样本的平均预测误差为1.74%,其实际值均在置信度为97%的置信区间内,与实际情况相符,这说明采用该方法可以得出瓦斯涌出量预测结果的概率分布,且具有预测精度高、所需支持向量少的优点。     

基于Fisher准则函数的相关向量机模拟电路故障诊断*

针对模拟电路故障与特征间存在的模糊组及交叠、分类效果不理想的情况,提出基于Fisher准则函数的最佳聚类数自适应估计方法和基于稀疏贝叶斯相关向量机(RVM)理论的模拟电路故障诊断模型,采用模糊核聚类选择最优可诊断故障集,然后在贝叶斯框架下对故障进行分类.该模型可以对分类函数的权重进行推断,辅助进行诊断决策,提高了RVM...     

基于软件体系结构的可复用构件模型

在分析了构件间各种操作的基础上,将软件体系结构的概念引入现有的构件模型,用于对复合构件进行描述,从而改进了现有的构件模型,给出了一种基于软件体系结构的可复用构件模型,并给出了该模型的应用.     

基于集成相关向量机的水质在线预测模型

针对污水处理过程存在着强非线性和非稳态运行等特征,传统传感器维护成本高昂且无法快速准确地测量生化需氧量(BOD)等水质指标的问题,提出一种基于集成相关向量机的水质在线预测模型。该模型首先采用相关向量机(RVM)为弱预测器,利用改进的AdaBoost.RT算法将多个弱预测器集成为强预测器,实现了污水处理过程中水质的在线预测。仿真实验结果表明,该水质在线预测模型预测精度高,综合性能突出,克服了单一预测器随着异常点增多,模型泛化能力下降和鲁棒性不足的问题,能较好地实现了污水处理过程中的水质在线预测。     

基于CS-HRVM的网络流量预测

为了获得更加理想的网络流量预测结果,准确刻画网络流量的变化趋势,提出一种基于布谷鸟搜索算法优化组合核相关向量机的网络流量预测模型（CS-HRVM）。首先针对网络流量的混沌特性,采用相空间理论建立网络流量的多维学习样本,并采用组合核函数构建相关向量机,然后将学习样本输入到相关向量机中进行训练,并采用布谷鸟搜索算法对模型参数进行优化,从而建立网络流量预测模型,最后采用仿真实验对模型性能进行仿真对比实验。结果表明,CS-HRVM获得了比其他网络流量预模型更高的预测精度,而且可以对含噪网络流量进行准确预测。     

基于RBF核的SVM及RVM模式分析性能比较*

基于RBF核,利用Synthc、BC等标准数据集,采用五重交叉验证,比较SVM(支持向量机)及RVM(关联向量机)模式分析性能。实验结果表明,与SVM相比,RVM时间复杂度、测试错误率较低,模式分析性能较优。     

一种基于A-means聚类算法的Sweep Coverage机制*

为了改进Sweep Coverage机制在真实场景中的性能,提出了一种基于聚类的Sweep Coverage机制(cluste-ring-based sweep coverage,CBSC),该机制引入一种自适应的聚类算法A-means(self-adaptiveK-means algotithm)来控制节点的移动。实验结果表明,在真实的监控场景中,CBSC机制较以往的覆盖机制取得了更好的性能表现。