【技术实现步骤摘要】
本专利技术属于芯片的电气检测，具体涉及一种基于数据降维和k-means++算法的芯片大规模并行电气检测方法。
技术介绍
1、芯片的电气检测(electrical testing)是对芯片制造过程中的电气特性进行测试和分拣的过程。随着芯片制造技术的不断发展和产能的扩大，越来越多的企业意识到进行大规模电气检测的重要性。
2、一方面，随着芯片应用领域的不断扩大和多样化，市场对于芯片的要求也越来越高。从人工智能、物联网到5g通信，各个领域对于性能卓越、功耗低、稳定可靠的芯片需求不断增长。面对如此庞大的市场需求，企业需要确保他们生产的芯片能够达到高品质的标准。
3、另一方面，随着晶片尺寸的不断缩小和集成度的增加，芯片上的元器件数量也在急剧增加。这使得单个芯片的电气特性和工作状态更加复杂。
4、因此，对芯片电气性能进行逐个测试的传统方法已经无法满足生产速度和质量需求。为了满足这些挑战，企业开始采用大规模电气检测技术。
5、芯片的大规模电气检测技术对芯片并没有固定的数量要求，同时测试的芯片个数是由具体算法和项目需求来确定的。大规模电气检测技术允许同时测试数百甚至数千个芯片，从而提高测试效率和产能。该技术不仅可以筛选出可能存在缺陷的芯片，还可以提供更准确的电气性能指标和统计数据，为工程师提供重要的改进和决策依据。
6、但是，芯片大规模电气检测时输出的信号，具有数据特征量多、维度高、数据量庞大的特点，而传统的芯片电气检测方法只能串行处理单个芯片电气性能的数据，利用传统的芯片电气检测方法进
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种基于数据降维和k-means++算法的芯片大规模并行电气检测方法。本专利技术要解决的技术问题通过以下技术方案实现：
2、本专利技术提供了一种基于数据降维和k-means++算法的芯片大规模并行电气检测方法，包括：
3、步骤1：获取大规模电气检测过程中采集的多个芯片的检测数据；
4、步骤2：对所述芯片的检测数据进行预处理，得到数据集合；
5、步骤3：根据所述数据集合构建邻接图，根据所述邻接图构造邻接矩阵；
6、步骤4：根据所述邻接矩阵，对所述数据集合进行特征降维处理，得到所述数据集合中每个样本对应的降维数据样本；
7、步骤5：确定聚类算法的最优聚类数目；
8、步骤6：根据所述最优聚类数目，利用k-means++聚类方法对所述降维数据样本进行聚类处理，得到聚类结果，根据所述聚类结果确定芯片的检测结果。
9、与现有技术相比，本专利技术的有益效果在于：
10、本专利技术的基于数据降维和k-means++算法的芯片大规模并行电气检测方法，利用拉普拉斯特征映射降维算法，将芯片的大规模电气检测中获取的复杂多维的多个芯片的检测数据，全部编码到邻接矩阵中，再通过矩阵变换并行处理所有数据，并将其映射到低维空间，然后利用k-means++算法进一步对降维后的数据进行聚类处理，得到芯片的检测数据的聚类结果，再基于预先建立的芯片检测数据聚类结果与故障类别之间的映射关系，得到芯片的检测结果，本专利技术的方法能够并行处理大规模芯片中每个芯片的数据并输出芯片的分类结果。
11、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
本文档来自技高网...【技术保护点】
1.一种基于数据降维和K-means++算法的芯片大规模并行电气检测方法，其特征在于，包括：
2.根据权利要求1所述的基于数据降维和K-means++算法的芯片大规模并行电气检测方法，其特征在于，所述芯片的检测数据，包括：功耗、频率、电压、电流、温度、AC测试参数频率响应、幅度响应和相位响应、以及引脚阻值。
3.根据权利要求1所述的基于数据降维和K-means++算法的芯片大规模并行电气检测方法，其特征在于，所述步骤2包括：
4.根据权利要求1所述的基于数据降维和K-means++算法的芯片大规模并行电气检测方法，其特征在于，所述步骤3包括：
5.根据权利要求4所述的基于数据降维和K-means++算法的芯片大规模并行电气检测方法，其特征在于，所述邻接点之间的权重按照下式计算得到：
6.根据权利要求1所述的基于数据降维和K-means++算法的芯片大规模并行电气检测方法，其特征在于，所述步骤4包括：
7.根据权利要求6所述的基于数据降维和K-means++算法的芯片大规模并行电气检测方法，其特征在于，
...【技术特征摘要】
1.一种基于数据降维和k-means++算法的芯片大规模并行电气检测方法，其特征在于，包括：
2.根据权利要求1所述的基于数据降维和k-means++算法的芯片大规模并行电气检测方法，其特征在于，所述芯片的检测数据，包括：功耗、频率、电压、电流、温度、ac测试参数频率响应、幅度响应和相位响应、以及引脚阻值。
3.根据权利要求1所述的基于数据降维和k-means++算法的芯片大规模并行电气检测方法，其特征在于，所述步骤2包括：
4.根据权利要求1所述的基于数据降维和k-means++算法的芯片大规模并行电气检测方法，其特征在于，所述步骤3包括：
5.根据权利要求4所述的基于数据降维和k-means++算法的芯片大规模并行电气检测方...
【专利技术属性】
技术研发人员：任获荣，夏岭原，吕银飞，卫炜，刘君荣，李腾博，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。