论文题目: 基因表达式编程在分类规则挖掘中的应用研究
论文类型: 硕士论文
论文专业: 计算机应用技术
作者: 李曲
导师: 蔡之华
关键词: 基因表达式编程,数据挖掘,符号回归,分类规则
文献来源: 中国地质大学
发表年度: 2005
论文摘要: 数据挖掘是当今计算机应用技术和理论研究中最热门的领域之一。数据挖掘技术经过十多年的发展，已经逐渐建立起系统的挖掘理论和成熟的挖掘技术。形成了以关联规则挖掘、分类规则挖掘、聚类规则挖掘为主要形式的，以数据库技术、统计学、人工智能、可视化技术和信息技术为主要工具的多学科交叉的应用技术。从最初的商业应用逐渐扩展到医疗、金融、生物、电信、军事、体育等诸多领域。数据挖掘成为越来越多的科学家、研究人员、工程应用人员、商人、医生所关注的对象。 分类规则作为数据挖掘的一个重要分支，在过去的十多年中引起很多来自不同领域的学者的注意，学者们提出了以信息论为基础的决策树算法、以概率论为基础的贝叶斯分类方法，以神经科学为基础的神经网络方法等等，这些算法基本上都是确定性算法。以自然进化为基础的演化计算技术因为其智能性、并行性、不确定性等诸多特点成为其中一个特殊的分支。 演化计算模拟自然演化的特点，借鉴达尔文的物竞天择、优胜劣汰、适者生存的自然选择和自然遗传的机理，采用高效并行全局搜索方法，在许多领域取得了良好的效果，从而确立了它在21世纪的智能计算技术中的重要地位。演化计算中最重要的分支是遗传算法。遗传程序设计是遗传算法的一个变体。遗传算法和遗传程序设计两种技术虽然都遵循自然界优胜劣汰的基本原理，但是它们最初在工程应用领域具有不同的功能：遗传算法主要用于函数优化，而遗传程序设计则主要用于建模。以遗传算法和遗传程序设计为代表的演化计算在工程应用等优化问题中与传统的数学方法相比，表现出非常明显的优势。近年来演化计算在数据挖掘，特别是分类规则挖掘中的应用研究已经取得了相当大的发展。虽然很多学者认为演化计算只是优化和搜索算法，但是它在数据挖掘领域的良好效果已经使其成为数据挖掘中不可或缺的一个重要工具。 基因表达式编程是C.Ferreira发明的一种新的遗传算法。基因表达式编程结合了遗传算法和遗传程序设计的优点，并克服了它们的缺点，在数学建模方面取得了非常好的效果。正因为其优点和良好的效果，使得基因表达式编程在并不漫长的时间里引起了演化计算领域的广泛关注甚至争议。本文详细介绍了基因表达式编程的基本技术，分析了其具有较高效率的根本原因在于其编码方式所具有的独特优势。本文通过分析演化计算中的多种技术，特别是遗传程序设计及基于语法的遗传程序设计等技术的特点，充分证明了基因表达式编程具有更好的特性和更高的效率。 本文以基因表达式编程和分类规则挖掘作为主要对象，研究基因表达式编程在分类规
论文目录:
摘要
ABSTRACT
第一章 绪论
1.1 论文选题及其研究意义
1.2 选题的国内外研究现状
1.3 论文的主要研究内容
第二章 基因表达式编程概述
2.1 演化计算及其分类
2.2 遗传算法简介
2.3 遗传程序设计简介
2.4 基因表达式编程的起源和特点
2.5 基因表达式编程的组织结构
2.5.1 基因的结构和功能组织
2.5.2 多基因染色体及连接函数
2.5.3 细胞和连接函数的进化
2.6 GEP中的遗传算子
2.6.1 复制算子
2.6.2 变异算子
2.6.3 转座和插入序列元素算子
2.6.4 重组算子
2.7 GEP编码特点的分析
第三章 基因表达式编程的应用研究
3.1 用GEP求解一个简单的符号回归问题
3.2 GEP在预测中的应用
3.2.1 用 GEP对预测问题建模
3.2.2 结果比较
3.3 函数发现算法改进的方向
3.4 GEP在其它问题中的应用
第四章 分类规则挖掘研究
4.1 数据挖掘概述
4.2 分类规则挖掘方法概述
4.2.1 决策树
4.2.2 神经网络
4.2.3 其它分类方法
4.3 遗传分类器
4.3.1 遗传算法分类器
4.3.2 遗传程序设计分类器
4.4 分类规则挖掘中的若干问题
第五章 用基因表达式编程技术挖掘简洁的分类规则
5.1 基本的GEP分类方法
5.2 改进的GEP分类方法
5.3 两种GEP分类方法的比较
5.4 一种挖掘简洁的分类规则的GEP分类方法
5.4.1 关于 GEP中基因内区的讨论
5.4.2 挖掘简洁的分类规则的 GEP分类方法
5.4.3 试验的参数设置
5.4.4 试验结果比较
5.4 本章总结
第六章 结论
6.1 论文的主要工作
6.2 论文的后续工作
致谢
参考文献
发布时间: 2007-01-12
参考文献
- [1].基因表达式编程在股票预测中的应用与研究[D]. 王剑.武汉理工大学2008
- [2].GEP和MEP的新型解码评估技术及融合[D]. 邓薇.长沙理工大学2013
- [3].偏微分方程参数识别问题的遗传程序设计方法[D]. 李云平.武汉理工大学2005
- [4].演化计算在医学数据挖掘中的应用研究[D]. 柳秋云.贵州大学2009
- [5].基因表达式编程算法及其应用研究[D]. 吴勇.武汉理工大学2008
- [6].基于数据挖掘的疾病监测及关键技术研究[D]. 陆张裕.河北大学2018
- [7].SLE肾病的数据相关性分析[D]. 魏汝哲.昆明理工大学2018
- [8].基于云平台的胎儿体征信号数据挖掘的研究[D]. 冯玉婷.杭州电子科技大学2018
- [9].基于双师协同教学模式的学生学习数据挖掘[D]. 陈诺.天津师范大学2018
- [10].基于教育数据挖掘的远程教育个性化学习支持服务研究[D]. 李幸.江南大学2018
相关论文
- [1].基因表达式编程在函数挖掘中的应用研究[D]. 涂燕琼.江西理工大学2007
- [2].基因表达式编程算法及其应用研究[D]. 吴勇.武汉理工大学2008
- [3].基于GEP挖掘的战争函数模型及应用[D]. 罗松涛.四川大学2006
- [4].基于基因表达式编程函数挖掘和时间序列分析关键技术研究[D]. 陈宇.四川大学2006
- [5].基于基因表达式编程的分类算法研究[D]. 赵波.四川大学2006
- [6].基因表达式编程中的转基因关键技术研究[D]. 张欢.四川大学2006
- [7].基于GEP的贝叶斯网络在数据挖掘模型优化中的应用[D]. 蒋思伟.中国地质大学2006
- [8].基因表达式编程的早熟抑制策略研究[D]. 钟义啸.四川大学2006
- [9].基于基因表达式编程的股票指数和价格时间序列分析[D]. 廖勇.四川大学2005
- [10].基因表达式编程在多项式函数分解和并列函数关系挖掘中的研究和应用[D]. 汪锐.四川大学2005