验证向量的优化方法及装置

摘要

本发明公开了验证向量的优化方法及装置。该方法，包括下列步骤：根据仿真后的初始验证向量，获得所述初始验证向量对所定义的功能点的覆盖率的信息，初始化已覆盖功能点列表，构建分类模型；将新生成的验证向量送入所述分类模型，预测新生成的验证向量对所述功能点的覆盖率，并将使得对所述功能点的覆盖率提高的新生成的验证向量进行仿真，根据仿真结果更新功能点列表，得到覆盖率较高的验证向量。其能够在达到相同覆盖率的情况下，减少了需要进行仿真的验证向量的数目尽可能减少验证向量的使用，缩短仿真时间，从而提高验证效率，加速验证收敛。

主权项

一种验证向量的优化方法，其特征在于，包括下列步骤：步骤100，根据仿真后的初始验证向量，获得所述初始验证向量对所定义的功能点的覆盖率的信息，初始化已覆盖功能点列表，构建分类模型；步骤200，将新生成的验证向量的特征向量送入所述分类模型，预测新生成的验证向量对所述功能点的覆盖率，并将使得对所述功能点的覆盖率提高的新生成的验证向量进行仿真，根据仿真结果更新功能点列表，得到覆盖率较高的验证向量；其中，所述步骤100，包括下列步骤：步骤110，生成用户指定数目的初始验证向量集，将其中的初始验证向量在待验证设计上进行仿真，得到所述初始验证向量对所定义的功能点的覆盖率的信息，并将所述初始验证向量和与之对应的覆盖率的信息作为训练样本；步骤120，对所述训练样本进行预处理，提取验证向量特征，同时根据对每个所定义的功能点的覆盖情况对验证向量进行类别标记；步骤130，对步骤120中已进行类别标记的验证向量使用特征选择算法进行特征选择，得到特征向量集；步骤140，根据步骤130中选择的特征向量集，对验证向量集中的所有验证向量进行特征映射，得到特征矩阵；步骤150，将所述特征矩阵送入特定分类器中进行学习，得到分类模型。