数字IC产品性能评价模型研究

论文摘要

当今的信息社会是数字化的社会,是数字IC（微处理器、存储器、标准逻辑电路）广泛应用的社会。面对庞大的数字IC产品,如何客观的、定量的评价它的性能水平成了一项重要任务。当前,对数字IC产品的评价多是依据单一指标,或是一些主观性评价,缺乏科学、系统、客观的综合评价,最后得到的评价结论通用性差,不利于进行水平对比。针对这种现状,本文研究了数字IC产品性能评价模型,并着重探讨了数字IC产品性能的指标体系的构建、评价模型方法分析与BP-PCA评价模型三个方面的内容。论文首先提出了数字IC产品性能评价指标体系应具有的功能、设计时的思想原则,并根据这些思想原则建立了初步的数字IC产品的指标体系;然后分析了传统单一的PCA模型评价时的不足,并提出了改进评价模型的两种思路。在对比这两种思路之后,创新性地提出了BP-PCA评价模型;最后,深入研究了BP-PCA评价模型,并构建了一个综合的、系统的数字IC评价模型。通过该方法模型,能够模拟专家评价的方式以对任何数字IC产品进行评价,是客观性和现实性的统一。实证研究表明,应用BP-PCA建模方法建立的评价模型,不仅具有良好的评价效果、较好的通用性、开放性与时新性等特点,而且可操作性很强。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 论文研究的背景及意义
• 1.2 国内外研究现状
• 1.2.1 综合评价方法发展和研究现状
• 1.2.2 数字IC 产品性能评价研究现状
• 1.3 本文组织结构、研究方法及技术路线
• 1.3.1 论文组织结构
• 1.3.2 研究方法
• 1.3.3 论文研究的技术路线
• 第二章 数字 IC 相关知识概述
• 2.1 IC
• 2.1.1 IC
• 2.1.2 IC 分类
• 2.2 数字IC
• 2.2.1 数字IC 产品类别
• 2.2.2 微处理器
• 2.2.3 微控制器
• 2.2.4 数字信号处理器
• 2.2.5 专用集成电路
• 2.2.6 系统级芯片
• 2.3 本章小结
• 第三章 数字 IC 产品性能评价指标的构建
• 3.1 评价指标应具有的功能、指导思想及设计原则
• 3.1.1 评价指标应具有的功能
• 3.1.2 设计评价指标的指导思想
• 3.1.3 设计指标体系的基本原则
• 3.2 数字IC 产品性能的评价指标
• 3.3 主要指标的含义解释
• 3.4 评价指标的预处理
• 3.4.1 定量指标的同趋势化
• 3.4.2 定量指标的无量纲化
• 3.5 确定指标权重的方法
• 3.6 本章小结
• 第四章 数字 IC 产品性能评价模型分析
• 4.1 主要综合评价模型方法介绍及比较
• 4.2 PCA 评价模型法
• 4.2.1 PCA 原理
• 4.2.2 PCA 算法步骤
• 4.2.3 PCA 评价流程
• 4.3 基于PCA 的评价模型实证研究
• 4.3.1 样本的选取与数据的来源
• 4.3.2 运用PCA 模型进行评价
• 4.3.3 评价结论与分析
• 4.4 数字IC 评价模型的改进
• 4.4.1 改进PCA 确定权重的方法
• 4.4.2 BP-PCA 评价模型
• 4.5 本章小结
• 第五章 BP-PCA 评价模型
• 5.1 神经网络基本概念和原理
• 5.1.1 人工神经网络
• 5.1.2 传递函数
• 5.1.3 神经网络结构
• 5.1.4 多层的神经网络
• 5.2 BP 神经网络与学习算法
• 5.2.1 Matlab 神经网络工具箱
• 5.2.2 BP 网络的建立、训练和测试
• 5.3 BP-PCA 评价模型实证研究
• 5.3.1 BP 神经网络的建立
• 5.3.2 网络初始化
• 5.3.3 网络学习与训练
• 5.3.4 网络仿真
• 5.3.5 研究结论
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 未来工作展望
• 致谢
• 参考文献
• 读研期间科研成果
• 附录A
• 附录B