基于随机森林的X值输入灵敏度预测方法

摘要

随着基于模块化的电路设计变得越来越复杂,未初始化的时序单元、设计中的黑盒、时钟域交叉以及模数转换器的错误行为等原因会导致电路中出现未知的逻辑值(X),降低电路测试集的测试覆盖率.为了快速确定电路中X值输入对测试覆盖率的影响,提出了一种基于机器学习的方法来预测X值输入的灵敏度.首先通过拓扑算法计算电路的各项基础结构参数;然后对电路进行区域划分,提取特定的电路特征参数作为原始数据集;最后利用随机森林模型对所有电路中得到的数据集进行训练和预测.实验选择ISCAS’89和ITC’99中的部分电路作为数据集来源,与现有的预测方法相比,该方法总体预测准确率达到90.27%,提高了14.69%,大型电路预测准确率达到93.32%,提高了19.49%.实验结果表明,该方法具有更高的准确率和更好的泛化能力.

关键词