CN112989631A - 一种有限状态自动机等效构件的识别方法及系统 - Google Patents
一种有限状态自动机等效构件的识别方法及系统 Download PDFInfo
- Publication number
- CN112989631A CN112989631A CN202110419282.9A CN202110419282A CN112989631A CN 112989631 A CN112989631 A CN 112989631A CN 202110419282 A CN202110419282 A CN 202110419282A CN 112989631 A CN112989631 A CN 112989631A
- Authority
- CN
- China
- Prior art keywords
- structural matrix
- finite state
- components
- signals
- equivalent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 104
- 238000000926 separation method Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种有限状态自动机等效构件的识别方法及系统,方法包括:获取有限状态自动机的构件个数以及信号个数;所述信号个数由所述有限状态自动机的处理能力决定;根据所述构件个数以及所述信号个数构建有限状态自动机的结构矩阵;根据所述结构矩阵的列元素以及所述信号个数获取所述结构矩阵中待识别的等效构件;从所述待识别的等效构件中进行等效构件识别。本发明根据结构矩阵的列元素以及信号个数获取结构矩阵中待识别的等效构件,实现对有限状态自动机的硬件优化,为有限状态自动机的工程优化提供支撑。
Description
技术领域
本发明涉及有限状态自动机等效构件识别技术领域,特别是涉及一种有限状态自动机等效构件的识别方法及系统。
背景技术
有限状态自动机(FSM,“finite state machine”或者FSA,“finite stateautomaton”)是为研究有限内存的计算过程和某些语言类而抽象出的一种计算模型,广泛应用于人工智能、机器人、语言学、视频编码以及现代计算机科学的许多领域中。有限状态自动机的状态空间优化是有限状态自动机理论中的一个重要问题,因为其硬件实现的存储空间随着有限状态自动机的状态数呈指数增长,所以其优化技术具有重要的工程实际意义。有限状态自动机的状态空间优化问题是将有限状态自动机的状态个数减少到最小,并使得到的机器保持原有机器的相同功能。
有限状态自动机的优化问题已经从多个方面进行了广泛研究,包括对同一类型的有限状态自动机采用不同的优化方法,对不同类型的有限状态自动机采用相似的优化方法,对某些特殊问题采用不同的优化方法等。但这些还是限于在理论领域的抽象研究,在工程技术方面,还没有硬件优化的技术方案。如何识别有限状态自动机的等效构件是硬件优化首要面对的问题。
发明内容
本发明的目的是提供一种有限状态自动机等效构件的识别方法及系统,以识别有限状态自动机的等效构件,对有限状态自动机的硬件进行优化。
为实现上述目的,本发明提供了如下方案:
一种有限状态自动机等效构件的识别方法,包括:
S1:获取有限状态自动机的构件个数以及信号个数;所述信号个数由所述有限状态自动机的处理能力决定;
S2:根据所述构件个数以及所述信号个数构建有限状态自动机的结构矩阵;
S3:根据所述结构矩阵的列元素以及所述信号个数获取所述结构矩阵中待识别的等效构件;
S4:从所述待识别的等效构件中进行等效构件识别。
可选地,所述结构矩阵的行数为所述构件个数,所述结构矩阵的列数为所述构件个数与所述信号个数的乘积。
可选地,步骤S3具体包括:
S31:判断所述结构矩阵的列元素是否都为零;
S32:若所述结构矩阵的列元素都为零,则所述结构矩阵中不存在待识别的等效构件;
S33:若所述结构矩阵的列元素不都为零,则根据所述信号个数分离所述结构矩阵,得到待识别的等效构件以及分离后的结构矩阵;
S34:对分离后的结构矩阵执行步骤S31-S33,直到分离后的结构矩阵的列元素都为零,得到总的待识别的等效构件。
一种有限状态自动机等效构件的识别系统,包括:
第一获取模块,用于获取有限状态自动机的构件个数以及信号个数;所述信号个数由所述有限状态自动机的处理能力决定;
结构矩阵构建模块,用于根据所述构件个数以及所述信号个数构建有限状态自动机的结构矩阵;
第二获取模块,用于根据所述结构矩阵的列元素以及所述信号个数获取所述结构矩阵中待识别的等效构件;
识别模块,用于从所述待识别的等效构件中进行等效构件识别。
可选地,所述结构矩阵的行数为所述构件个数,所述结构矩阵的列数为所述构件个数与所述信号个数的乘积。
可选地,所述第二获取模块具体包括:
判断单元,用于判断所述结构矩阵的列元素是否都为零;
第一执行单元,用于当所述结构矩阵的列元素都为零时,得到所述结构矩阵中不存在待识别的等效构件;
分离单元,用于当所述结构矩阵的列元素不都为零时,根据所述信号个数分离所述结构矩阵,得到待识别的等效构件以及分离后的结构矩阵;
第二执行单元,用于将所述分离后的结构矩阵反馈至所述判断单元,直到所述分离后的结构矩阵的列元素都为零,得到总的待识别的等效构件。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开了一种有限状态自动机等效构件的识别方法及系统,方法包括:获取有限状态自动机的构件个数以及信号个数;所述信号个数由所述有限状态自动机的处理能力决定;根据所述构件个数以及所述信号个数构建有限状态自动机的结构矩阵;根据所述结构矩阵的列元素以及所述信号个数获取所述结构矩阵中待识别的等效构件;从所述待识别的等效构件中进行等效构件识别。本发明根据结构矩阵的列元素以及信号个数获取结构矩阵中待识别的等效构件,实现对有限状态自动机的硬件优化,为有限状态自动机的工程优化提供支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为有限状态自动机等效构件的识别方法流程图;
图2为有限状态自动机等效构件的识别方法原理图;
图3为有限状态自动机等效构件的识别方法逻辑架构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种有限状态自动机等效构件的识别方法及系统,以识别有限状态自动机的等效构件,对有限状态自动机的硬件进行优化。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为有限状态自动机等效构件的识别方法流程图,如图1所示,有限状态自动机等效构件的识别方法包括:
S1:获取有限状态自动机的构件个数以及信号个数。信号个数由有限状态自动机的处理能力决定。
S2:根据构件个数以及信号个数构建有限状态自动机的结构矩阵。
其中,结构矩阵的行数为构件个数,结构矩阵的列数为构件个数与信号个数的乘积。
S3:根据结构矩阵的列元素以及信号个数获取结构矩阵中待识别的等效构件。其中,步骤S3具体包括:
S31:判断结构矩阵的列元素是否都为零。
S32:若结构矩阵的列元素都为零,则结构矩阵中不存在待识别的等效构件。
S33:若结构矩阵的列元素不都为零,则根据信号个数分离结构矩阵,得到待识别的等效构件以及分离后的结构矩阵。
S34:对分离后的结构矩阵执行步骤S31-S33,直到分离后的结构矩阵的列元素都为零,得到总的待识别的等效构件。
S4:从待识别的等效构件中进行等效构件识别。
图2为有限状态自动机等效构件的识别方法原理图,如图2所示,本方法原理为:
步骤1:获取有限状态自动机的构件个数n以及信号个数m。信号个数m由有限状态自动机的处理能力决定,即有限状态自动机能处理的信号数量。
步骤2:根据构件个数以及信号个数构建有限状态自动机的结构矩阵T。其中,T的行数为构件个数,T的列数为构件个数与信号个数的乘积。
步骤4:置i=1,开始迭代。
步骤5:判断结构矩阵T的列元素是否都为零。若是,转步骤9;若否,转步骤6。
步骤6:将结构矩阵T的前m列从结构矩阵T中分离出来,分离出来的矩阵记为Blki,结构矩阵T剩余的部分记为Tx。
步骤7:将Blki置入缓冲器S。
步骤8:置T=Tx,i=i+1,转步骤5。
步骤9:检查缓冲器S中是否有相等的块。若否,则有限状态自动机没有等效的构件。若是,构造集合:
步骤10:有限状态自动机的等效构件为:
{(构件i1,构件i2,...,构件is)|(i1,i2,...,is)∈K}。
步骤11:算法结束。
本实施例还提供了一个具体示例:
图3为有限状态自动机等效构件的识别方法逻辑架构图,如图3所示,有限状态自动机的构件个数为7,输入信号数为2。图3中,
→的含义是:指向有限状态自动机开机时所处的构件。
步骤1:输入有限状态自动机的构件个数n=7,信号个数m=2。
步骤2:获取有限状态自动机的结构矩阵T:
步骤4:置i=1,开始迭代。
步骤5:结构矩阵T的列元素不全为零,转步骤6。
步骤6:将结构矩阵T的前m=2列从结构矩阵T中分离出来,记作:
记新的结构矩阵为Tx:
步骤8:置T=Tx,i=i+1,转步骤5。
步骤5-步骤8循环6次后,缓冲器S={Blk1,Blk2,Blk3,Blk4,Blk5,Blk6,Blk7},其中:
Tx=[],转步骤5。
步骤5:结构矩阵的列元素全为零,转步骤9。
步骤9:缓冲器S中有相等的块:Blk2=Blk3,Blk4=Blk6。构造集合K={(2,3),(4,6)}。
步骤10:有限状态自动机的等效构件为{(构件2,构件3),(构件4,构件6)}。
步骤11:算法结束。
值得注意的是,有限状态自动机在构件2和3时读入相同的信号,有限状态自动机会转移至相同的构件。构件4和6也是如此。因此,构件2和3是等效构件,构件4和6是等效构件,证明本方法正确有效。
本发明包含两个关键步骤,其一是将有限状态自动机的结构矩阵进行列等分操作,对每次分得的块依次编号并放置在缓冲器中,直至有限状态自动机的结构矩阵分解为空为止。其二是对缓冲器中的块进行逐一比较,将相同块的编号组成一个有序组。根据所有的有序组,即可识别有限状态自动机的等效构件。
本实施例还提供了一种有限状态自动机等效构件的识别系统,包括:
第一获取模块,用于获取有限状态自动机的构件个数以及信号个数。信号个数由有限状态自动机的处理能力决定。
结构矩阵构建模块,用于根据构件个数以及信号个数构建有限状态自动机的结构矩阵。其中,结构矩阵的行数为构件个数,结构矩阵的列数为构件个数与信号个数的乘积。
第二获取模块,用于根据结构矩阵的列元素以及信号个数获取结构矩阵中待识别的等效构件。
识别模块,用于从待识别的等效构件中进行等效构件识别。
在本实施例中,第二获取模块具体包括:
判断单元,用于判断结构矩阵的列元素是否都为零。
第一执行单元,用于当结构矩阵的列元素都为零时,得到结构矩阵中不存在待识别的等效构件。
分离单元,用于当结构矩阵的列元素不都为零时,根据信号个数分离结构矩阵,得到待识别的等效构件以及分离后的结构矩阵。
第二执行单元,用于将分离后的结构矩阵反馈至判断单元,直到分离后的结构矩阵的列元素都为零,得到总的待识别的等效构件。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种有限状态自动机等效构件的识别方法,其特征在于,包括:
S1:获取有限状态自动机的构件个数以及信号个数;所述信号个数由所述有限状态自动机的处理能力决定;
S2:根据所述构件个数以及所述信号个数构建有限状态自动机的结构矩阵;
S3:根据所述结构矩阵的列元素以及所述信号个数获取所述结构矩阵中待识别的等效构件;
S4:从所述待识别的等效构件中进行等效构件识别。
2.根据权利要求1所述的有限状态自动机等效构件的识别方法,其特征在于,所述结构矩阵的行数为所述构件个数,所述结构矩阵的列数为所述构件个数与所述信号个数的乘积。
3.根据权利要求1所述的有限状态自动机等效构件的识别方法,其特征在于,步骤S3具体包括:
S31:判断所述结构矩阵的列元素是否都为零;
S32:若所述结构矩阵的列元素都为零,则所述结构矩阵中不存在待识别的等效构件;
S33:若所述结构矩阵的列元素不都为零,则根据所述信号个数分离所述结构矩阵,得到待识别的等效构件以及分离后的结构矩阵;
S34:对所述分离后的结构矩阵执行步骤S31-S33,直到所述分离后的结构矩阵的列元素都为零,得到总的待识别的等效构件。
4.一种有限状态自动机等效构件的识别系统,其特征在于,包括:
第一获取模块,用于获取有限状态自动机的构件个数以及信号个数;所述信号个数由所述有限状态自动机的处理能力决定;
结构矩阵构建模块,用于根据所述构件个数以及所述信号个数构建有限状态自动机的结构矩阵;
第二获取模块,用于根据所述结构矩阵的列元素以及所述信号个数获取所述结构矩阵中待识别的等效构件;
识别模块,用于从所述待识别的等效构件中进行等效构件识别。
5.根据权利要求4所述的有限状态自动机等效构件的识别系统,其特征在于,所述结构矩阵的行数为所述构件个数,所述结构矩阵的列数为所述构件个数与所述信号个数的乘积。
6.根据权利要求4所述的有限状态自动机等效构件的识别系统,其特征在于,所述第二获取模块具体包括:
判断单元,用于判断所述结构矩阵的列元素是否都为零;
第一执行单元,用于当所述结构矩阵的列元素都为零时,得到所述结构矩阵中不存在待识别的等效构件;
分离单元,用于当所述结构矩阵的列元素不都为零时,根据所述信号个数分离所述结构矩阵,得到待识别的等效构件以及分离后的结构矩阵;
第二执行单元,用于将所述分离后的结构矩阵反馈至所述判断单元,直到所述分离后的结构矩阵的列元素都为零,得到总的待识别的等效构件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110419282.9A CN112989631A (zh) | 2021-04-19 | 2021-04-19 | 一种有限状态自动机等效构件的识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110419282.9A CN112989631A (zh) | 2021-04-19 | 2021-04-19 | 一种有限状态自动机等效构件的识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112989631A true CN112989631A (zh) | 2021-06-18 |
Family
ID=76341101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110419282.9A Pending CN112989631A (zh) | 2021-04-19 | 2021-04-19 | 一种有限状态自动机等效构件的识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112989631A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120070934A (ko) * | 2010-12-22 | 2012-07-02 | 한국과학기술원 | 유한 상태 자동기계를 동정화하기에 알맞은 새로운 회귀 신경망 |
US20180357340A1 (en) * | 2017-06-07 | 2018-12-13 | Tsinghua University | Backward discrete state event driven power electronics simulation method, power electronics simulation computation apparatus and computer-readable storage medium |
CN109190282A (zh) * | 2018-09-19 | 2019-01-11 | 西安交通大学 | 一种闭链机构的装配调整方法及其控制装置、机械装置 |
US20200012811A1 (en) * | 2018-07-06 | 2020-01-09 | Capital One Services, Llc | Systems and methods for removing identifiable information |
CN111404374A (zh) * | 2020-03-26 | 2020-07-10 | 河南科技大学 | 一种运用遗传算法优化的双向dc-dc变换器的控制方法 |
US20200387578A1 (en) * | 2019-06-10 | 2020-12-10 | International Business Machines Corporation | Representing the operation of a quantum computing device over time |
CN112115615A (zh) * | 2020-09-21 | 2020-12-22 | 南京航空航天大学 | 面向scr的安全关键系统模型转换方法、装置和系统 |
-
2021
- 2021-04-19 CN CN202110419282.9A patent/CN112989631A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120070934A (ko) * | 2010-12-22 | 2012-07-02 | 한국과학기술원 | 유한 상태 자동기계를 동정화하기에 알맞은 새로운 회귀 신경망 |
US20180357340A1 (en) * | 2017-06-07 | 2018-12-13 | Tsinghua University | Backward discrete state event driven power electronics simulation method, power electronics simulation computation apparatus and computer-readable storage medium |
US20200012811A1 (en) * | 2018-07-06 | 2020-01-09 | Capital One Services, Llc | Systems and methods for removing identifiable information |
CN109190282A (zh) * | 2018-09-19 | 2019-01-11 | 西安交通大学 | 一种闭链机构的装配调整方法及其控制装置、机械装置 |
US20200387578A1 (en) * | 2019-06-10 | 2020-12-10 | International Business Machines Corporation | Representing the operation of a quantum computing device over time |
CN111404374A (zh) * | 2020-03-26 | 2020-07-10 | 河南科技大学 | 一种运用遗传算法优化的双向dc-dc变换器的控制方法 |
CN112115615A (zh) * | 2020-09-21 | 2020-12-22 | 南京航空航天大学 | 面向scr的安全关键系统模型转换方法、装置和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2278495A2 (en) | Enhanced parallel performance multi-adaptive computational system | |
CN110489428B (zh) | 多维稀疏矩阵压缩方法、解压缩方法、装置、设备及介质 | |
CN111460797B (zh) | 关键字抽取方法、装置、电子设备及可读存储介质 | |
CN112464233B (zh) | 一种云平台上基于rnn的恶意软件检测方法 | |
Freire et al. | Memory-efficient assembly using Flye | |
CN111090811B (zh) | 一种海量新闻热点话题提取方法和系统 | |
CN111259397A (zh) | 一种基于马尔科夫图和深度学习的恶意软件分类方法 | |
CN111562898A (zh) | 一种基于fpga实现的多级归并排序方法 | |
CN112989631A (zh) | 一种有限状态自动机等效构件的识别方法及系统 | |
CN106844338B (zh) | 基于属性间依赖关系的网络表格的实体列的检测方法 | |
CN115982311B (zh) | 一种链表的生成方法、装置、终端设备及存储介质 | |
Kaddar et al. | Divnet: efficient convolutional neural network via multilevel hierarchical architecture design | |
Xiaolong et al. | Mining Pinyin-to-character conversion rules from large-scale corpus: a rough set approach | |
CN114610751A (zh) | 地理计算语言的结构化参数解析方法、装置、设备及介质 | |
CN109901993B (zh) | 一种单路径线性约束的循环程序终止性判断方法 | |
Solomko et al. | Study of carry optimization while adding binary numbers in the rademacher number-theoretic basis | |
CN111832815A (zh) | 科研热点预测方法及系统 | |
CN112000389A (zh) | 一种配置推荐方法、系统、装置及计算机存储介质 | |
CN112989136B (zh) | 一种有限状态自动机器的精简方法及系统 | |
CN105224697A (zh) | 带过滤条件的排序方法和用于执行所述方法的装置 | |
Van Giang et al. | Algorithms for finding attractors of generalized asynchronous random Boolean networks | |
CN114611305B (zh) | 一种薄壁结构横截面特征形变识别方法及装置 | |
CN111930318B (zh) | 周期值调节方法及周期值调节系统 | |
CN116820392A (zh) | 数据处理系统、数据处理方法和电子设备 | |
CN112540900B (zh) | 大规模并行程序用实时监测与分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |