混合基因表達式編程決策樹算法研究與應(yīng)用.pdf

1、近年來，數(shù)據(jù)挖掘技術(shù)被廣泛地應(yīng)用到各個行業(yè)領(lǐng)域中，已逐步成為當今計算機應(yīng)用技術(shù)和理論研究中最熱門的領(lǐng)域之一。在實際的數(shù)據(jù)挖掘過程中，因為真實數(shù)據(jù)經(jīng)常出現(xiàn)缺失、冗余、不一致和噪聲等問題，導致用于數(shù)據(jù)準備過程的時間大約超過整個過程的時間的一半(約占整個數(shù)據(jù)挖掘過程所需時間的60％)，因而缺失數(shù)據(jù)的處理在數(shù)據(jù)預(yù)處理過程中是一個至關(guān)重要的問題。
　　 分類規(guī)則挖掘是數(shù)據(jù)挖掘中的一個重要分支，它在商業(yè)、醫(yī)學、軍事、體育等眾多領(lǐng)域都有非常廣

2、泛的應(yīng)用，引起很多來白不同領(lǐng)域的學者們的關(guān)注和研究。目前，許多分類算法主要強調(diào)分類的準確率，并且基于所有錯誤分類的代價都是相等的這樣一個假設(shè)，但是在很多實際的應(yīng)用當中，不同類型的錯誤分類往往都對應(yīng)著不同的代價，將所有的代價都視為平等的是不正確的。因而代價敏感的數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)挖掘領(lǐng)域中的一個重要的分支，也是較為前沿的研究領(lǐng)域。
　　 以自然進化為基礎(chǔ)的演化計算技術(shù)因為其智能性、并行性和不確定性等諸多特點而成為數(shù)據(jù)挖掘中的一個特

3、殊的分支，是研究分類規(guī)則挖掘的一個重要工具?；虮磉_式編程(GEP)是一種新的遺傳算法，它結(jié)合了遺傳算法和遺傳程序的優(yōu)點，摒棄了它們的缺點，在數(shù)學建模方面取得了很好的效果，并且在許多工程領(lǐng)域的應(yīng)用中都占有一席之地。
　　 本文基于幾種常用的缺失數(shù)據(jù)處理方法提出一種新的缺失數(shù)據(jù)處理方法，并以基因表達式編程和分類規(guī)則挖掘為主要的研究對象，研究了基于均勻常數(shù)分布的基因表達式編程分類算法(UDC-GEPDT)的代價敏感分類算法和基于差分

4、演化算法的基因表達式編程決策樹分類算法(UDC-GEPDT+DE)。本文的主要工作和成果如下：
　　 1．分別簡單介紹了基因表達式編程、分類規(guī)則挖掘、決策樹和代價敏感的概念，并分析了它們的一些主要思想。
　　 2.簡要地介紹了幾種常見的缺失數(shù)據(jù)處理方法，對每種方法的優(yōu)缺點進行了詳細的分析，并基于這些方法提出了一種混合缺失數(shù)據(jù)處理方法(MDMV)。用C4.5算法對每種方法處理過的數(shù)據(jù)集建模，經(jīng)過測試，實驗的結(jié)果證明本文所提

5、出的混合缺失數(shù)據(jù)處理方法是一種有效的缺失數(shù)據(jù)處理方法，在后面章節(jié)實驗中的缺失數(shù)據(jù)均以此方法為依據(jù)進行處理的。
　　 3．對眾多分類算法僅強調(diào)分類精度，而將所有錯誤分類的代價視為平等的不足之處進行分析，在均勻常數(shù)分布的基因表達式編程決策樹算法的混合矩陣(Confusion Matrix)中引入代價矩陣，給出每種不同錯誤分類的不同代價，提出一種基于該算法的代價敏感分類算法，最后用實驗證明了該算法在小數(shù)據(jù)集上能取得良好效果，并說明該算