遗传规划算法在数据分类中的应用

论文摘要

数据分类是通过对数据进行分析找出其中关系,赋予数据以某种意义和关联。如今数据分类已经成为数据挖掘领域研究的一个热点问题。它在数据挖掘和人工智能等领域都得到了广泛地应用。人们通过将数据分类来获取隐含在数据中的有用信息。随着社会的发展,我们要处理的数据量越来越大,单靠人工来处理已经不能满足人类对信息的即时性,准确性的要求。于是人们开始利用计算机来进行数据分类。这样用于数据分类的算法逐渐成为研究热点。本文将遗传规划算法应用到数据分类领域,并根据数据分类问题的特征对算法进行了一些改进。遗传规划的基本思想来自自然界生物进化过程和进化方法,通过进化操作,获得问题的最优解。本文阐述了遗传规划算法的原理和进化计算的基本知识;分析了遗传规划的特点;研究了运用遗传规划解决数据分类问题的方法模型;并针对遗传规划在数据分类问题中的技术局限进行了分析改进。本文将遗传规划方法应用在数据分类中,并围绕缩短遗传规划分类器的进化时间做了一些工作。首先,通过对遗传规划基本原理的研究分析找出了影响分类器进化时间的主要因素:①种群规模;②基因内区。通过统计实验得出了主要遗传操作概率对基因内区的影响,确定了合理的参数选择范围。然后,针对种群中个体规模膨胀,基因内区增长影响分类器进化时间的问题,提出了在适应度函数中添加规模控制因子的解决方案。通过实验得到了添加规模控制因子前后种群内个体的规模变化情况,结果表明,添加了规模控制因子以后种群内个体的规模得到了有效控制,同时分类器的准确率没有下降。这对于缩短分类器的进化时间,提高分类效率有很大帮助。最后,针对遗传规划系统在进化初期收敛缓慢的问题,提出了在分类器进化前期根据种群内的平均适应度值范围,动态的对突变和复制概率进行调整。在进化前期优秀基因较少的情况下,适当加大基因的突变概率,减小复制比例,来增大优秀基因出现的几率,减小劣质基因,及冗余通过复制操作向下一代传递的概率。实验表明,这种在进化前期对两参数进行控制的方法对于加快分类器前期的收敛速度有一定帮助。

论文目录

• 摘要
• Abstract
• 1 引言
• 1.1 研究目的及意义
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 2 数据分类知识回顾
• 2.1 数据分类的概念
• 2.2 数据分类的常见方法
• 2.2.1 贝叶斯分类法
• 2.2.2 决策树分类法
• 2.2.3 神经网络分类法
• 2.2.4 KNN 分类方法
• 2.3 本章小结
• 3 进化计算
• 3.1 进化算法
• 3.1.1 遗传算法
• 3.1.2 进化策略
• 3.1.3 进化规划
• 3.2 遗传规划的基本原理
• 3.2.1 初始群体的生成
• 3.2.2 适应度度量
• 3.2.3 遗传操作
• 3.2.4 遗传规划操作参数
• 3.2.5 终止准则
• 3.2.6 结果标定
• 3.3 本章小结
• 4 遗传规划分类器设计
• 4.1 分类器进化过程及原理
• 4.2 类边界的确定
• 4.3 初始种群生成方法
• 4.4 分类器适应度函数的构造
• 4.5 函数集
• 4.6 分类器终止条件
• 5 遗传规划分类器实验
• 5.1 实验数据
• 5.2 遗传规划参数设置
• 5.3 实验方法
• 5.4 实验结果
• 5.5 实验结果分析
• 6 遗传规划分类器性能分析及改进
• 6.1 影响分类器进化时间的主要因素分析
• 6.1.1 种群规模对进化时间的影响
• 6.1.2 基因内区对进化时间的影响
• 6.2 遗传规划分类器的改进
• 6.2.1 加入规模控制因子的适应度函数
• 6.2.2 修正参数方法
• 7 结论与展望
• 7.1 本文的主要工作
• 7.2 对未来工作的展望
• 参考文献
• 附录A：动态边界确定程序
• 在读期间发表的学术论文
• 作者简介
• 致谢