10.16208/j.issn1000-7024.2018.01.035
基于随机决策森林的循环展开方法
为提高编译器循环展开因子计算的准确性,提出一种基于改进的随机森林模型预测循环展开因子的方法.对传统随机森林模型进行加权的改进,为解决非平衡数据集问题提出基于SMOTE算法的BSC算法.从SPEC2006等测试集中提取近1000个循环并提取特征构成训练集,训练循环展开因子预测模型.生成的模型对于展开因子的预测准确度达81%,与编译器默认的循环展开方法相比,利用预测模型对选定的测试程序循环展开后性能平均提升12%.
循环展开、编译优化、机器学习、随机决策森林、加权投票、非平衡数据集
39
TP314(计算技术、计算机技术)
国家863高技术研究发展计划基金项目2014AA01A300;国家“核高基”重大专项基金项目2013ZX0102-8001-001-001
2018-04-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
199-204