分享5篇关于覆盖率的计算机专业论文

今天分享的是关于覆盖率的5篇计算机毕业论文范文, 如果你的论文涉及到覆盖率等主题,本文能够帮助到你

用于高速AXI总线互连的流水仲裁模块研究与验证

这是一篇关于AXI总线,流水线,仲裁,UVM方法学,覆盖率,时钟频率的论文, 主要内容为随着现代集成电路规模越来越大,对片上系统(So C,System on Chip)的研究变得愈发重要。因为So C设计的复杂度不断提升,对其内部IP核之间的通信速度有着更高的要求,AMBA(Advanced Microcontroller Bus Architecture)总线中的AXI(Advanced Extensible Interface)以其高带宽、高性能、低延时的特点在高速通信中应用广泛。本论文以上述为背景对基于AXI通信过程中信号的时序优化和仲裁进行研究,设计出一个在AXI主端和AXI从端之间参数化配置的流水仲裁系统,并基于UVM(Universal Verification Methodology)验证方法学搭建仿真平台完成验证。本文首先研究AXI协议,分别对读传输与写传输从AXI 5个独立的通道、传输事务的结构及传输方式等展开研究。同时对握手信号的时序优化机制和实现方式进行深入研究,让数据在满足AXI协议的条件下完成打拍传输,并对打拍模块的各种模式展开分析。研究仲裁算法并使之应用于AXI总线,包括对固定优先级和轮询仲裁两种算法的优缺点分析。完成设计AXI流水仲裁系统所必需的理论研究后,通过从模块到顶层的层次化设计,实现对valid和data打拍、对ready打拍、全部信号打拍以及不打拍打4种模式的打拍模块,包含打拍模块并通过仲裁算法实现3个AXI主机同时访问AXI从机时选择传输的读传输通道和写传输通道。此系统支持传输的数据位宽为字节、半字、字、双字,传输类型支持FIXED、ICNCR、WRAP,读写传输严格满足AXI协议相关要求。另外主机发起的读写传输在经过打拍和仲裁之后与双端口SRAM完成交互,对SRAM的读写访问可同时进行。基于UVM验证方法学构建验证平台,设计实现平台功能的各组件和事务,包括激励驱动器、监测器、事务、计分板、代理、接口、覆盖率组件等,采用自底向上的设计策略,以完成激励的产生驱动、待测设计(DUT,design under test)输出正确性检查、覆盖率收集工作。该平台严格遵守UVM规范,具有一定的可重用性。随后采用VCS仿真工具,首先验证打拍模块不同工作模式下数据打拍传输的正确性,之后对AXI流水仲裁系统验证计划列出的功能点进行功能验证,同时利用脚本语言产生随机序列,通过不断的回归测试并与定向序列结合完成覆盖率收集,功能覆盖率与代码覆盖率都达到100%。最后利用Xilinx公司的vivado工具实现FPGA级的综合仿真,以估算系统支持的最大时钟频率。本文设计一个基于AXI总线可添加于主机和从机传输中的子系统,可实现信号的时序优化并可应用于多个主机同时访问,可参数化调用的打拍模块在高频通信中更好地避免采集到数据的亚稳态,经FPGA级综合得到最大时钟频率333MHz,满足本系统工作时钟频率250MHz,适配于大多基于AXI通信的IP的时钟频率。在此基础上建立基于UVM的从事务级到功能级的层次化组件库,验证平台可移植于具由AXI接口的IP验证中,有一定的可复用性。

关于电商平台冷门商品的推荐系统研究

这是一篇关于冷门商品,推荐系统,覆盖率的论文, 主要内容为随着互联网和科技的发展,大众信息数量成爆炸式增加。特别是手机的发展,促使每个人都离不开手机,例如手机上的购物平台,使得使用者随时随地都可以上网购物。当然也产生了大量数据。那么,在电商平台上数量众多且稀疏性的数据中发掘具有价值的数据,显得尤为重要。推荐系统对分析电商平台数据的有效性和合理利用具有非常显著的优势。现在的推荐系统逐渐趋于成熟,但这些系统都是着力解决关于热门商品的推荐,而忽视了冷门商品的推荐。整个商务平台的商品类型分为热门商品和冷门商品,冷门商品虽然具体的商品用户少,但是总的购买数量却可以和热门商品的购买量大致相当。同时由于冷门商品不可能直接陈列在电商平台主要的推荐页面上,导致了针对冷门商品的个性化推荐必不可少。首先,本文对冷门商品进行一个总结性介绍,包括冷门商品的概念,冷门商品具有的特点,以及针对冷门商品的推荐系统应该具有的特性。只有对冷门商品进行彻底的深入分析和研究,才能使得改进后的推荐系统具有较强的针对性。然后,将现在电子商品平台常用的一些推荐系统做了简单介绍,特别是协同过滤系统,并且比较了不同类型协同过滤算法的优缺点。其次,提出聚类分析将用户进行分类和基于物品的协同过滤算法的改进。一方面计算用户对物品喜好程度时,对用户隐形反馈信息的合理利用方面。不是平等地对待各类用户隐形信息,而是针对不同类型的信息,赋予不同的比重,体现出用户信息类型对计算用户偏好时的重要性。另一方面是对物品相似度算法的改进。例如,消除热门商品的影响并且保持算法的有效性,不至于是新用户时结果趋于无穷。最后,利用真实的阿里巴巴电子商品平台的相关数据,进行实例分析研究。主要采用覆盖率和准确率两个评价指标对结果进行分析说明,对改进推荐算法的性能进行评价。本文针对冷门商品推荐系统存在的用户信息稀疏和现存推荐算法没有考虑到热门商品对冷门商品的影响问题,故提出改进的推荐系统。采用聚类分析中的K均值聚类对用户进行大方向的划分,进而缓解冷门商品用户评分矩阵的稀疏性。其优点是K均值聚类运算速度快,面对电子商品平台快速更新的信息具有不错的应对能力,同时随着信息的更新可以不断改变聚类的族中心,缓解了新用户导致的可扩展性问题。改进的推荐算法是在基于物品的协同过滤推荐算法的基础上改进的。因为经常使用电子商品平台的用户往往不喜欢主流商品的推荐,更多的是推荐他们感兴趣的物品,所以基于物品的协同过滤算法是个不错的选择。基于物品的协同过滤算法计算用户对某商品的偏好程度时,采用用户隐形反馈信息如购买、收藏、加购物车、点击,不是平等对待不同的信息而是利用对比标度赋权法计算相应的权重,使得计算结果更加贴合实际情况,准确估计出用户的喜好。同时改进计算物品相似度的公式,尽量消除热门商品对推荐结果的影响,也避免了某些冷门商品新用户导致公式分母为0的结果出现。覆盖率对推荐结果进行分析评价,因为覆盖率高的推荐系统给出的推荐列表中,商品品种多而且这些商品以往很少进行推荐,故该推荐系统具有很强的冷门商品发掘的能力。准确率可以表明预测与真实情况的差异情况,体现出了推荐系统的精确性。因此主要利用覆盖率、准确度作为评价推荐系统的指标。根据真实的电子商务数据做交叉验证,得到的指标结果显示,虽然准确率较其他推荐系统没有太大的提高,但是覆盖率具有较高指标。由于覆盖率说明推荐系统给出的商品的流行度,进而体现出本文的推荐系统具有比较好推荐冷门商品的能力。

面向SDIO主控制器可重用验证平台的设计与实现

这是一篇关于可重用,IP验证,安全数字输入输出,UVM验证方法学,覆盖率的论文, 主要内容为随着集成电路(Integrated Circuit,IC)产业的快速发展,芯片设计复杂度不断提升。目前主流的超大规模IC设计一般通过集成第三方IP(Intellectual Property)来提升设计效率,但其在功能验证方面所花费的时间超过整个设计周期的80%,如何实现高效率的功能验证是亟待解决的问题。使用通用验证方法学(Universal Verificatoin Methodology,UVM)搭建可重用的验证平台,可以改变传统验证平台验证效率低下、可复用性差、自动化程度低等问题,对IP验证而言,具有高效性、可重用、完备性好等优势。本课题来源于实习公司“嵌入CPU核的大规模FPGA”项目,使用UVM验证方法学设计了可重用的IP级验证平台,研究提高ZYNQ系列芯片中基于高级高性能总线(Advanced High performance Bus,AHB)规范的安全数字输入输出(Secure Digital Input and Output,SDIO)主控制器IP验证效率的方法,并适用于整个芯片的验证。本文主要研究可重用高效率的IC验证平台。首先,根据设计文档以及总线协议重点设计了通用验证组件(Universal Verification Component,UVC),包括总线类通用验证组件AHB＿UVC和模块类通用验证组件SD＿UVC;通过集成AHB＿UVC与SD＿UVC,设计了SDIO主控制器IP级验证平台的架构,制定了验证平台的执行流程。接着,本文提出一种自动生成寄存器模型的方法,优化了验证平台的结构。随后,提出了测试用例、测试序列库以及虚拟序列库之间调度方式启动测试序列,实现了高效的测试场景调度管理。为进一步提高验证平台的可复用性并能够模拟电路的真实情况,本文提出了采用回调、建立可变时钟模型这两种方案优化验证平台。最后,本文实现了芯片回归测试的自动化运行,完成了覆盖率收集以及分析了验证平台的可重用性。仿真验证结果表明,本设计的SDIO主控制器验证平台测试正常,SDIO主控制器IP功能正确,代码覆盖率96.24%,功能覆盖率100%,断言覆盖率100%,均达到了业界的指标要求。针对验证平台的可重用性,通过使用SDIO主控制器验证平台重构了静态随机存取存储器(Static Random Access Memory,SRAM)控制器的验证平台,体现了验证平台在系统架构、通用验证组件UVC、接口模型、传输事务重用带来的高效性。此外也分析了该验证平台在IP模块级的重用,主要体现在IP级验证中能够节省搭建验证平台的时间。

基于长尾数据的项目协同过滤算法研究——以电影数据为例

这是一篇关于协同过滤,长尾物品,滑动推荐,覆盖率的论文, 主要内容为信息时代到数据时代的转变,带来的是信息过载和信息不对称问题。冗余信息增加了用户发现需求和获取感兴趣物品的难度,有效信息的难以获取直接影响用户决策。推荐系统应时而生,以预测和推荐的方式为用户定制个性化需求。然而,现有推荐算法呈现的推荐结果往往趋同,且倾向于热门推荐,忽视冷门物品。冷门物品的有效推荐对于有效避免用户兴趣同质化、挖掘用户潜在需求、为零售商开拓新市场具有重要研究意义。针对推荐系统对冷门物品推荐效果不佳的长尾现象,本文以对传统项目协同过滤推荐算法的研究为基础,提出相似度计算、推荐方式及评测指标三个层面的优化。旨在提高推荐系统预测准确度的基础上,进一步提升系统对冷门物品的挖掘能力,使最终推荐列表对长尾物品有一定的覆盖,以此提高算法在长尾理论下对冷门物品的推荐率。首先,本文通过融合用户兴趣度、项目自身特征属性两个层面修正项目相似度的计算,引入时间权重函数加权处理用户历史评分以缓解时间带来的用户兴趣迁移误差,并进一步提升项目相似性计算的精确度。其次,利用滑动推荐的方式剔除预测评分较高的热门物品,使用户的个性化列表中出现差异性物品,扩大对冷门物品的推荐覆盖面,提升推荐算法对冷门物品的发掘效果。最后,结合原推荐覆盖率,加入相似物品集优化推荐覆盖率计算方式,使得在面对挖掘或者推荐同等数量的物品时,对算法的推荐能力具有精确的区分。以预测准确度和推荐覆盖率作为评价指标测试优化推荐算法的性能,实验结果证明,融合多种优化方式的SSFItem-CF推荐算法在准确度与覆盖率上均优于传统Item-CF推荐算法,改进的覆盖率也能够达到原覆盖率的评价效果,对算法性能作出更有效的区分。