CN113191405B - 一种基于集成电路的带权超图的多级聚类方法及存储介质 - Google Patents

一种基于集成电路的带权超图的多级聚类方法及存储介质 Download PDF

Info

Publication number
CN113191405B
CN113191405B CN202110414323.5A CN202110414323A CN113191405B CN 113191405 B CN113191405 B CN 113191405B CN 202110414323 A CN202110414323 A CN 202110414323A CN 113191405 B CN113191405 B CN 113191405B
Authority
CN
China
Prior art keywords
nodes
node
net
clustering
node pairs
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.)
Active
Application number
CN202110414323.5A
Other languages
English (en)
Other versions
CN113191405A (zh
Inventor
李本正
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Sierxin Technology Co ltd
Original Assignee
Shanghai Sierxin Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Sierxin Technology Co ltd filed Critical Shanghai Sierxin Technology Co ltd
Priority to CN202110414323.5A priority Critical patent/CN113191405B/zh
Publication of CN113191405A publication Critical patent/CN113191405A/zh
Application granted granted Critical
Publication of CN113191405B publication Critical patent/CN113191405B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于集成电路的带权超图的多级聚类方法及计算机可读存储介质,方法包括步骤1、获取超图;步骤2、将每个节点设置为并查集中的一个树;步骤3、根据每个第一线网的节点得到包含若干节点对的第一集合;步骤4、根据第一集合中的节点对的相关度值对节点对做聚类处理,得到聚类处理后的并查集;步骤5、基于聚类处理后的并查集,根据第一线网的根节点得到没有重复的节点的第二线网;步骤6、基于步骤5所得到的第二线网,重复步骤2~步骤5,直至达到预设条件,则聚类结束。本发明的多级聚类方法能够快速地将相关性较大的节点聚集成为一个团,以减小节点数量,还能保证被固定在不同团中的节点不会被聚集到一起。

Description

一种基于集成电路的带权超图的多级聚类方法及存储介质
技术领域
本发明属于集成电路技术领域,具体涉及一种基于集成电路的带权超图的多级聚类方法及存储介质。
背景技术
随着信息技术的高速发展,人们积累的数据量急剧增长,对于大规模的数据进行处理和计算往往非常困难且耗时巨大。通常我们会将这种大规模的问题拆分成为若干个子问题求解,以此来缩减问题规模。聚类的作用就是将性质相似的元素聚集在一起,以此帮助对问题进行划分操作。这种方式常被用于电路设计、科学计算等领域。超图是一种常见的拓扑关系表示方式,常常被用在集成电路的连接关系表述上,对于超图中的节点进行聚类有助于对集成电路进行分割。分割后的电路在完成硬件仿真、高级综合、布局布线等流程时可以极大的提高设计效率以缩短设计流程。本文基于电路超图结构,提出了直接对超图进行处理的多级聚类方法。
目前已经提出了一些针对超图的聚类方法,主要有以下几类:方案1、基于图嵌入的聚类方法;方案2、基于割边信息的聚类方法;方案3、基于连接度的聚类方法。其中,方案1将超图转化为几何空间中的点再根据其位置信息进行聚类。方案2利用网络流最小割来计算节点间的割边集。方案3根据特定的方式计算节点间的连接度,一般是根据贪婪思想将连接度最大的节点对收缩。
现有各种技术中主要包含以下缺点:1、方法复杂度高,运算耗时过长,在处理大规模的超图时可能需要几天或者几个月才能通过计算机得到结果。这种缺点在方案1、方案2两种方案之中最为显著。2、无法处理固定节点。目前现有方法中少有可以保证聚类结果不违反固定节点规则的方法。3、聚类质量不够高。不好的聚类结果会很大的影响后续划分操作的结果质量。4、现有技术往往包含上述缺点中的一个或多个,不能将聚类问题在短时间内高质量的解决。
因此,提供一种考虑固定节点且兼顾聚类质量以及聚类速度的方法成为了亟待解决的问题。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种基于集成电路的带权超图的多级聚类方法及存储介质。本发明要解决的技术问题通过以下技术方案实现:
一种基于集成电路的带权超图的多级聚类方法,包括:
步骤1、获取超图,所述超图包括若干节点、第一线网,其中,所述节点包括具有约束的固定节点;
步骤2、将每个所述节点设置为并查集中的一个树;
步骤3、根据每个所述第一线网的所述节点得到包含若干节点对的第一集合,每个所述节点对通过相关度值反映相关度;
步骤4、根据所述第一集合中的节点对的相关度值对所述节点对做聚类处理,得到聚类处理后的并查集;
步骤5、基于所述聚类处理后的并查集,根据所述第一线网的根节点得到没有重复的节点的第二线网;
步骤6、基于步骤5所得到的所述第二线网,重复步骤2~步骤5,直至达到预设条件,则聚类结束。
在本发明的一个实施例中,步骤3,包括:
步骤3.1、根据所述第一线网的节点的数量和预设数量的关系得到第三线网;
步骤3.2、将所述第三线网上满足预定条件的节点添加至第二集合;
步骤3.3、根据所述第二集合的所有节点得到包括若干节点对的第三集合,所述节点对由两个所述节点组成;
步骤3.4、根据所述第三集合的节点对与所述第一集合的节点对的关系得到包括若干节点对的第一集合。
在本发明的一个实施例中,步骤3.1包括:
判断所述第一线网的节点的数量与所述预设数量的关系,若所述第一线网的节点的数量小于所述预设数量,则将该所述第一线网作为所述第三线网。
在本发明的一个实施例中,步骤3.2包括:
当所述第三线网的节点为非固定节点时,将所述节点放入所述第二集合,且当第一次聚类时,若所述第三线网的权重大于预设倍数的平均线网权重,则将所述第三线网的固定节点放入所述第二集合。
在本发明的一个实施例中,步骤3.4包括:
判断所述第三集合的节点对是否在所述第一集合中,若在,则将已经在所述第一集合中的所述节点对的相关度值增加预设值,若没在,则将所述节点对加入至所述第一集合中,并将所述节点对的相关度值设定为所述预设值,以得到最终的所述第一集合。
在本发明的一个实施例中,所述预设值为w/(x-1),其中,x为当前线网中节点个数,w为当前线网的权重。
在本发明的一个实施例中,步骤4包括:
基于预设顺序,判断所述第一集合的节点对是否在并查集中的一个树上,若是,则继续处理所述第一集合的下一个节点对,若不是,则将所述第一集合的节点对所在的树合并,且当所述第一集合中合并的节点对的数量达到预设倍数的初始节点总数时,终止本次聚类,以得到聚类处理后的并查集。
在本发明的一个实施例中,步骤5包括:
步骤5.1、将所述第一线网中的每个节点均变成该节点所在的聚类处理后的并查集的树的根节点;
步骤5.2、判断经过步骤5.1处理后的第一线网是否有多个相同的节点,若是,则仅保留一个所述节点,并删除其余相同的所述节点;
步骤5.3、判断经过步骤5.2处理后的所有第一线网中是否有所述节点完全相同的第一线网,若是,则将所有所述节点完全相同的所述第一线网合并为一个第二线网,所述第二线网的权重等于所有所述节点完全相同的所述第一线网的权重总和,若否,则将所述第一线网直接作为所述第二线网。
在本发明的一个实施例中,所述预设条件为当前聚类与前一次聚类所减少的节点的数量小于当前聚类开始时的节点数量的1%~5%或者当前聚类的聚类总团数小于预设聚类团数。
本发明一个实施例还提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述方法的步骤。
本发明的有益效果:
本发明对于给定的初始超图,首先将该超图的每个节点均设置为并查集中的一个树,之后经过线网上所有节点得到一个包括有多个节点对的第一集合,该第一集合中的每个节点对均设置有一个反应节点对相关度的相关度值,之后便可以根据节点对的相关度值做聚类处理,经过多级处理后,便可以得到经过聚类处理的超图。因此,本发明根据超图信息,经过多次聚类,可以将节点聚集成为若干个团,本发明的多级聚类方法能够快速地将相关性较大的节点聚集成为一个团,以减小节点数量,方便后续的划分操作,同时还能保证被固定在不同团中的节点不会被聚集到一起。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于集成电路的带权超图的多级聚类方法的流程示意图;
图2是本发明实施例提供的另一种基于集成电路的带权超图的多级聚类方法的流程示意图;
图3是本发明实施例提供的计算机设备模块示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
实施例一
请参见图1和图2,图1是本发明实施例提供的一种基于集成电路的带权超图的多级聚类方法的流程示意图,图2是本发明实施例提供的另一种基于集成电路的带权超图的多级聚类方法的流程示意图。本发明实施例提供一种基于集成电路的带权超图的多级聚类方法,该基于集成电路的带权超图的多级聚类方法包括步骤1至步骤6,其中:
步骤1、获取超图,超图包括若干节点、第一线网,其中,节点包括具有约束的固定节点。
具体地,读入设计对应的超图文件信息(即超图),超图中包含以下:节点信息(即所有节点)、节点之间的连接线网(即第一线网),每个第一线网会对应一个权重,权重越大说明此线网越重要,并且节点可以为非固定节点,也可以为固定节点,且节点为固定节点时,该节点为具有约束的固定节点,即固定节点已经分配在固定团且不可以移动的固定节点,例如节点A、节点B和节点C均为固定节点,且节点A必须放在3号固定团,节点B必须放在1号固定团,节点C必须放在2号固定团,也就是说,节点A、节点B和节点C需要在不同的固定团中。
步骤2、将每个节点设置为并查集中的一个树。
具体地,并查集是一种树型的数据结构,用于处理一些不相交集合的合并及查询问题。此数据结构可以高效地完成本实施例中集合的合并和查询操作。因此,将每个节点均设置为并查集中的一个树。
步骤3、根据每个第一线网的节点得到包含若干节点对的第一集合,每个节点对通过相关度值反映相关度。
具体地,本实施例通过枚举所有第一线网,根据每个第一线网的节点的相关度生成一个保存节点对的相关度的集合,称为相关度集合,该相关度集合即为第一集合,并且第一集合中的每个节点对均具有一个相关度值,该相关度值反映了节点对的相关度,即节点对的相关度值越大,节点对的相关度越大。
在一个具体实施例中,步骤3具体包括步骤3.1~步骤3.4,其中:
步骤3.1、根据第一线网的节点的数量和预设数量的关系得到第三线网。
具体地,枚举每一个第一线网,通过比较第一线网的节点的数量和预设数量的关系确定第三线网,即将满足关系的第一线网作为第三线网。
进一步地,步骤3.1可以具体为:判断第一线网的节点的数量与预设数量的关系,若第一线网的节点的数量小于预设数量,则将该第一线网作为第三线网。
优选地,预设数量为
Figure GDA0003876242480000071
n为第一线网的节点的总数。
步骤3.2、将第三线网上满足预定条件的节点添加至第二集合。
具体地,建立一个用于储存待处理的节点的第二集合。对于第三线网而言,将第三线网上满足预定条件的节点挑选出来,加入至第二集合中,预定条件例如为非固定节点,也可以为其它条件,本实施例对此不做具体限定。
进一步地,步骤3.2可以具体为:当第三线网的节点为非固定节点时,将节点放入第二集合,且当第一次聚类时,若第三线网的权重大于预设倍数的平均线网权重,则将第三线网的固定节点放入第二集合。
也就是说,无论是第几次聚类,均需要将第三线网中的非固定节点放入第二集合中,并且只有当聚类为第一次聚类时,才会将权重大于预设倍数的平均线网权重的第三线网的固定节点放入第二集合,其中,平均线网权重为所有第三线网的权重的平均值。预设倍数例如为20~30倍。
步骤3.3、根据第二集合的所有节点得到包括若干节点对的第三集合,节点对由两个节点组成。
具体地,每个第二集合中会包括有多个通过步骤3.2加入的节点,而每两个节点可以组成一个节点对,因此本实施例将第二集合的所有节点中的每两个节点组成一个节点对,包含这些节点对的第二集合即为第三集合,例如,第二集合的所有节点分别为节点1、节点2、节点3、节点4,则节点1与节点2组成一个节点对,节点1与节点3组成一个节点对,节点1与节点4组成一个节点对,节点2与节点3组成一个节点对,节点2与节点4组成一个节点对,节点3与节点4组成一个节点对。
步骤3.4、根据第三集合的节点对与第一集合的节点对的关系得到包括若干节点对的第一集合。
具体地,将第三集合的节点对一一与第一集合的节点对进行比较,根据比较结果,确定第一集合中有哪些节点对,以及每个节点对的相关度值。
进一步地,步骤3.2可以具体为:判断第三集合的节点对是否在第一集合中,若在,则将已经在第一集合中的该节点对的相关度值增加预设值,若没在,则将该节点对加入至第一集合中,并将节点对的相关度值设定为预设值,以得到最终的第一集合。
也就是说,对于第三集合中的每一对节点对,如果第一集合中没有这个节点对,则将其加入第一集合中,并且把这个节点对的相关度值设定为预设值;否则将第一集合中这个节点对的相关度值增加预设值。
优选地,预设值为w/(x-1),其中,x为当前线网中节点个数,w为当前线网的权重。
步骤4、根据第一集合中的节点对的相关度值对节点对做聚类处理,得到聚类处理后的并查集。
具体地,节点对的相关度值反映了相关度,因此可以根据节点对的相关度做聚类处理,将相关度比较大的节点对进行聚类,从而得到聚类处理后的并查集。
进一步地,步骤4可以具体为:基于预设顺序,判断第一集合的节点对是否在并查集中的一个树上,若是,则继续处理第一集合的下一个节点对,若不是,则将第一集合的节点对所在的树合并,且当第一集合中合并的节点对的数量达到预设倍数的初始节点总数时,终止本次聚类,以得到聚类处理后的并查集。其中,预设顺序例如为第一集合中所有节点对按照相关度值从大到小的排列顺序。
也就是说,将第一集合中所有节点对按照相关度值从大到小排序。之后将节点对按找该顺序操作,对于一个节点对,首先判断其是否在并查集中的同一个树里,如果是,则处理第一集合中下一个节点对。否则,将这个节点对中的两个节点所在的树合并。当合并的节点对数量达到本次聚类开始时的预设倍数的初始节点总数时,终止本次聚类,此时得到的并查集即为聚类处理后的并查集,其中,初始节点总数为当前聚类开始时节点的总数量。
优选地,预设倍数为(0,1)之间的数,预设倍数可以根据具体需要设定,设定的值越大则聚类质量越好但时间消耗越长,因此预设倍数可以选取0.4~0.9。
步骤5、基于聚类处理后的并查集,根据所述第一线网的根节点得到没有重复的节点的第二线网。
具体地,经过聚类处理后的并查集上可能存在有重复的节点,而并查集中每个树上均有一个根节点,因此本实施例可以根据第一线网的根节点得到一个没有重复的节点的第二线网,即该第二线网上的节点均不重复。
在一个具体实施例中,步骤5具体包括步骤5.1~步骤5.3,其中:
步骤5.1、将第一线网中的每个节点均变成该节点所在的聚类处理后的并查集中的第一集合的根节点。
例如,因为并查集中的每个树上均有一个根节点。第一线网中有5个节点,分别为节点1、节点2、节点3、节点4和节点5,且节点1、节点2、节点3、节点4和节点5所在的树的根节点分别为节点1、节点1、节点2、节点2和节点3,则将第一线网上的每个节点均对应该节点所在并查集的树的根节点,则第一线网上的节点1、节点2、节点3、节点4和节点5便变为节点1、节点1、节点2、节点2和节点3。
步骤5.2、判断经过步骤5.1处理后的第一线网是否有多个相同的节点,若是,则仅保留一个节点,并删除其余相同的所述节点。
例如,步骤5.1的第一线网上的节点1、节点2、节点3、节点4和节点5变为节点1、节点1、节点2、节点2和节点3后,便有两个节点1和两个节点2,因此节点出现了重复,则将多余的节点删除,则第一线网上剩余的节点为节点1、节点2和节点3。
步骤5.3、判断经过步骤5.2处理后的所有第一线网中是否有节点完全相同的第一线网,若是,则将所有节点完全相同的第一线网合并为一个第二线网,第二线网的权重等于所有节点完全相同的第一线网的权重总和,若否,则将第一线网直接作为第二线网。
也就是说,当两个及两个以上的第一线网的节点完全相同时,则将节点完全相同的第一线网进行合并,例如有两个第一线网的节点均为节点1、节点2和节点3,则合并后的第二线网则具有一个节点1、一个节点2和一个节点3,当某一个第一线网的节点与其他第一线网均不相同时,则该第一线网即为第二线网。
步骤6、基于步骤5所得到的第二线网,重复步骤2~步骤5,直至达到预设条件,则聚类结束。
也就是说,对于所得到的所有第二线网,按照步骤2~步骤5重复执行,直到所得到的最终的线网满足预设条件时,则结束该带有权重的超图的聚类。
优选地,预设条件为当前聚类与前一次聚类所减少的节点的数量小于当前聚类开始时的节点数量的1%~5%或者当前聚类的聚类总团数小于预设聚类团数,预设聚类团数一般为用户要求的聚类团数。
(1)本发明考虑固定节点因素:考虑实际工程中需求,有时某些单元节点比如大型的IP核需要进行特定放置,在本发明提出的方法中也能对这种特殊情况的单元节点进行处理,具有更强的适用性。
(2)本发明兼顾聚类质量以及聚类速度:本发明聚类速度非常快,在解决节点和线网数量众多的大规模超图聚类问题时优势非常显著。同时可以保证聚类质量。在应用了本发明的聚类方法后,再继续进行分割等后续操作将超图划分后,即可得到的割边数较少、质量较好的划分方案。
实施例二
本发明同时提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例一的步骤。
一般的,该计算机可读存储介质可置于计算机设备中,请参见图3,该计算机设备可以包括处理器、通信接口、计算机可读存储介质和通信总线等单元或模块,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信,
计算机可读存储介质,用于存放计算机程序;
处理器,用于执行计算机可读存储介质上所存放的程序时,实现如下步骤:
步骤1、获取超图,所述超图包括若干节点、第一线网,其中,所述节点包括具有约束的固定节点;
步骤2、将每个所述节点设置为并查集中的一个树;
步骤3、根据每个所述第一线网的所述节点得到包括若干节点对的第一集合,每个所述节点对通过相关度值反映相关度;
步骤4、根据所述第一集合的节点对的相关度值对所述节点对做聚类处理,得到聚类处理后的并查集;
步骤5、基于所述聚类处理后的并查集,根据所述第一线网的根节点得到没有重复的节点的第二线网;
步骤6、基于步骤5所得到的所述第二线网,重复步骤2~步骤5,直至达到预设条件,则聚类结束。
上述计算机设备提到的通信总线可以是外设部件互连标准(PeripheralComponent Interconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。
通信接口用于上述电子设备与其他设备之间的通信。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
该计算机设备可以为:台式计算机、便携式计算机、智能移动终端、服务器等。在此不作限定,任何可以实现本发明的电子设备,均属于本发明的保护范围。
对于计算机设备/存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例一和实施例二的部分说明即可。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白,本申请的实施例可提供为方法、设备、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式,这里将它们都统称为“模块”或“系统”。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
本申请是参照本申请实施例的方法、设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于集成电路的带权超图的多级聚类方法,其特征在于,包括:
步骤1、获取由集成电路转换的超图,所述超图包括若干节点、第一线网,其中,所述节点包括具有约束的固定节点,所述固定节点为已经分配在固定团且不可以移动的节点;
步骤2、将每个所述节点设置为并查集中的一个树;
步骤3、根据每个所述第一线网的所述节点得到包含若干节点对的第一集合,每个所述节点对通过相关度值反映相关度;
步骤3,包括:
步骤3.1、根据所述第一线网的节点的数量和预设数量的关系得到第三线网;
步骤3.2、当所述第三线网的节点为非固定节点时,将所述节点放入第二集合,且当第一次聚类时,若所述第三线网的权重大于预设倍数的平均线网权重,则将所述第三线网的固定节点放入所述第二集合;
步骤3.3、根据所述第二集合的所有节点得到包括若干节点对的第三集合,所述节点对由两个所述节点组成;
步骤3.4、根据所述第三集合的节点对与所述第一集合的节点对的关系得到包括若干节点对的第一集合;
步骤4、根据所述第一集合中的节点对的相关度值对所述节点对做聚类处理,得到聚类处理后的并查集;
步骤5、基于所述聚类处理后的并查集,根据所述第一线网的根节点得到没有重复的节点的第二线网;
步骤6、基于步骤5所得到的所述第二线网,重复步骤2~步骤5,直至达到预设条件,则聚类结束。
2.根据权利要求1所述的基于集成电路的带权超图的多级聚类方法,其特征在于,步骤3.1包括:
判断所述第一线网的节点的数量与所述预设数量的关系,若所述第一线网的节点的数量小于所述预设数量,则将该所述第一线网作为所述第三线网。
3.根据权利要求1所述的基于集成电路的带权超图的多级聚类方法,其特征在于,步骤3.4包括:
判断所述第三集合的节点对是否在所述第一集合中,若在,则将已经在所述第一集合中的所述节点对的相关度值增加预设值,若没在,则将所述节点对加入至所述第一集合中,并将所述节点对的相关度值设定为所述预设值,以得到最终的所述第一集合。
4.根据权利要求3所述的基于集成电路的带权超图的多级聚类方法,其特征在于,所述预设值为w/(x-1),其中,x为当前线网中节点个数,w为当前线网的权重。
5.根据权利要求1所述的基于集成电路的带权超图的多级聚类方法,其特征在于,步骤4包括:
基于预设顺序,判断所述第一集合的节点对是否在并查集中的一个树上,若是,则继续处理所述第一集合的下一个节点对,若不是,则将所述第一集合的节点对所在的树合并,且当所述第一集合中合并的节点对的数量达到预设倍数的初始节点总数时,终止本次聚类,以得到聚类处理后的并查集。
6.根据权利要求1所述的基于集成电路的带权超图的多级聚类方法,其特征在于,步骤5包括:
步骤5.1、将所述第一线网中的每个节点均变成该节点所在的聚类处理后的并查集的树的根节点;
步骤5.2、判断经过步骤5.1处理后的第一线网是否有多个相同的节点,若是,则仅保留一个所述节点,并删除其余相同的所述节点;
步骤5.3、判断经过步骤5.2处理后的所有第一线网中是否有所述节点完全相同的第一线网,若是,则将所有所述节点完全相同的所述第一线网合并为一个第二线网,所述第二线网的权重等于所有所述节点完全相同的所述第一线网的权重总和,若否,则将所述第一线网直接作为所述第二线网。
7.根据权利要求1所述的基于集成电路的带权超图的多级聚类方法,其特征在于,所述预设条件为当前聚类与前一次聚类所减少的节点的数量小于当前聚类开始时的节点数量的1%~5%或者当前聚类的聚类总团数小于预设聚类团数。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一所述方法的步骤。
CN202110414323.5A 2021-04-16 2021-04-16 一种基于集成电路的带权超图的多级聚类方法及存储介质 Active CN113191405B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110414323.5A CN113191405B (zh) 2021-04-16 2021-04-16 一种基于集成电路的带权超图的多级聚类方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110414323.5A CN113191405B (zh) 2021-04-16 2021-04-16 一种基于集成电路的带权超图的多级聚类方法及存储介质

Publications (2)

Publication Number Publication Date
CN113191405A CN113191405A (zh) 2021-07-30
CN113191405B true CN113191405B (zh) 2023-04-18

Family

ID=76977213

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110414323.5A Active CN113191405B (zh) 2021-04-16 2021-04-16 一种基于集成电路的带权超图的多级聚类方法及存储介质

Country Status (1)

Country Link
CN (1) CN113191405B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105096297A (zh) * 2014-05-05 2015-11-25 中兴通讯股份有限公司 一种图数据分割的方法及装置
CN111507240A (zh) * 2020-04-13 2020-08-07 三一重工股份有限公司 人脸聚类方法、装置、电子设备和计算机可读存储介质
CN112183000A (zh) * 2020-10-10 2021-01-05 上海国微思尔芯技术股份有限公司 一种支持互连约束的超图划分方法
CN112183001A (zh) * 2020-10-10 2021-01-05 上海国微思尔芯技术股份有限公司 一种基于超图的多级聚类方法
CN112258515A (zh) * 2020-12-24 2021-01-22 上海国微思尔芯技术股份有限公司 一种基于固定顶点的图分割方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9208278B2 (en) * 2013-06-26 2015-12-08 Synopsys, Inc. Clustering using N-dimensional placement

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105096297A (zh) * 2014-05-05 2015-11-25 中兴通讯股份有限公司 一种图数据分割的方法及装置
CN111507240A (zh) * 2020-04-13 2020-08-07 三一重工股份有限公司 人脸聚类方法、装置、电子设备和计算机可读存储介质
CN112183000A (zh) * 2020-10-10 2021-01-05 上海国微思尔芯技术股份有限公司 一种支持互连约束的超图划分方法
CN112183001A (zh) * 2020-10-10 2021-01-05 上海国微思尔芯技术股份有限公司 一种基于超图的多级聚类方法
CN112258515A (zh) * 2020-12-24 2021-01-22 上海国微思尔芯技术股份有限公司 一种基于固定顶点的图分割方法

Also Published As

Publication number Publication date
CN113191405A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
US9727308B2 (en) Sorting multiple records of data using ranges of key values
CN109325032B (zh) 一种索引数据存储及检索方法、装置及存储介质
CN106649401A (zh) 分布式文件系统中的数据写入方法和装置
CN111768096A (zh) 基于算法模型的评级方法、装置、电子设备及存储介质
US11288266B2 (en) Candidate projection enumeration based query response generation
CN114090695A (zh) 分布式数据库的查询优化的方法和装置
CN108833592A (zh) 云主机调度器优化方法、装置、设备及存储介质
EP3955256A1 (en) Non-redundant gene clustering method and system, and electronic device
CN111445319A (zh) 一种凭证生成方法、装置、计算机设备及存储介质
CN111784246B (zh) 物流路径的估测方法
CN113191405B (zh) 一种基于集成电路的带权超图的多级聚类方法及存储介质
CN109657060B (zh) 安全生产事故案例推送方法及系统
US11709798B2 (en) Hash suppression
CN113837878B (zh) 一种数据比对方法、装置、设备及存储介质
CN112380348B (zh) 元数据处理方法、装置、电子设备及计算机可读存储介质
CN113221501A (zh) 用于平衡电路不同划分间互联数的方法及可读存储介质
CN114064706A (zh) 数据存储方法、装置及服务器
CN115221360A (zh) 树形结构配置方法和系统
WO2021012211A1 (zh) 一种为数据建立索引的方法以及装置
CN111784248B (zh) 物流溯源方法
CN116109114B (zh) 一种常态化政务服务数据处理方法及系统
CN109740249B (zh) 一种mux树逻辑结构优化方法、模块及存储介质
CN115408447A (zh) 一种适用于大数据挖掘的混合聚类方法及系统
CN117311612A (zh) 一种数据存储方法、装置、设备及存储介质
CN113760827A (zh) 基于分布式文件系统的文件处理方法及装置

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
CB02 Change of applicant information

Address after: Room 27, 6th Floor, No. 29 and 30, Lane 1775, Qiushan Road, Lingang New Area, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 200120

Applicant after: Shanghai Sierxin Technology Co.,Ltd.

Address before: Room 3332, No.26 Guoding Branch Road, Yangpu District, Shanghai 200082

Applicant before: Shanghai Guowei silcore Technology Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant