基于基因表達(dá)式編程的分類算法研究及應(yīng)用.pdf

1、數(shù)據(jù)挖掘是當(dāng)今計(jì)算機(jī)應(yīng)用技術(shù)和理論研究中最熱門的領(lǐng)域之一，經(jīng)過二十多年的發(fā)展，已經(jīng)逐漸建立起系統(tǒng)的挖掘理論和成熟的挖掘技術(shù)。分類規(guī)則挖掘作為數(shù)據(jù)挖掘的一個(gè)重要分支，引起了不同領(lǐng)域?qū)W者的廣泛關(guān)注，其中以遺傳算法和遺傳程序設(shè)計(jì)為代表的演化計(jì)算方法因?yàn)槠渲悄苄?、并行性、不確定性等諸多特點(diǎn)成為其中一個(gè)特殊的分支?；虮磉_(dá)式編程是在結(jié)合遺傳算法和遺傳程序設(shè)計(jì)的優(yōu)點(diǎn)的基礎(chǔ)上提出的一種新的遺傳算法，在數(shù)學(xué)建模方面取得了非常好的效果并在許多工程領(lǐng)域取得

2、了應(yīng)用。 本文以基因表達(dá)式編程和分類規(guī)則挖掘?yàn)橹饕芯繉?duì)象，研究基于基因表達(dá)式編程的神經(jīng)網(wǎng)絡(luò)和決策樹算法及其在分類規(guī)則挖掘中的應(yīng)用。本文的主要工作和成果如下： 1．在簡要介紹GEP技術(shù)主要思想的基礎(chǔ)上，分析了基因表達(dá)式編程的編碼特點(diǎn)及其技術(shù)優(yōu)勢的實(shí)質(zhì)，總結(jié)了一些比較有影響的GEP分類方法，著重討論和比較了基本GEP分類方法和精確與簡潔GEP分類方法。 2．分析指出了傳統(tǒng)GEP神經(jīng)網(wǎng)絡(luò)方法不能用于二次及以上建模問題

3、的缺陷，并提出了一種混合式GEP神經(jīng)網(wǎng)絡(luò)方法，并在此基礎(chǔ)上進(jìn)一步提出了一種改進(jìn)的GEP神經(jīng)網(wǎng)絡(luò)演化方法，實(shí)驗(yàn)證明該方法在回歸和分類問題中均能取得良好的效果。 3．針對(duì)GEP神經(jīng)網(wǎng)絡(luò)解決多分類問題需要進(jìn)行數(shù)據(jù)切分的不便之處，引入GEP決策樹算法，并針對(duì)該算法在常數(shù)數(shù)值數(shù)組產(chǎn)生策略中的幾點(diǎn)不足，提出了一種基于均勻常數(shù)分布的GEP決策樹算法，實(shí)驗(yàn)證明該算法優(yōu)于傳統(tǒng)C4．5算法和標(biāo)準(zhǔn)GEP決策樹算法。 4．在開源數(shù)據(jù)挖掘平臺(tái)WE