基因表達式編程在多項式函數(shù)分解和并列函數(shù)關系挖掘中的研究和應用.pdf

1、科學研究中人們希望發(fā)現(xiàn)數(shù)據(jù)中蘊含的規(guī)律。因此，找到一種高效、準確的函數(shù)關系發(fā)現(xiàn)方法也是數(shù)據(jù)挖掘方面的一個研究重點?！　”疚膶没虮磉_式編程(GEP)技術進行函數(shù)關系的挖掘進行了較深入的研究，利用該方法進行多項式函數(shù)關系的分解，并在此研究的基礎上實現(xiàn)了基于多基因染色體的并列函數(shù)表達式挖掘，實驗證明取得了很好的效果。其間主要完成了如下工作： 1.闡述了數(shù)據(jù)挖掘的基本概念、一般流程及其分類方法等，分析了函數(shù)關系發(fā)現(xiàn)這一特殊知識發(fā)

2、現(xiàn)形式的特點進行；提出了多項式函數(shù)關系分解以及在此基礎之上的多函數(shù)關系挖掘的重要意義。 2.突破了傳統(tǒng)的多項式分解方法，采用數(shù)據(jù)挖掘的思想，利用基因表達式編程GEP技術提出了基于基因表達式編程的多項式函數(shù)關系分解方法GPF。 3.采用了有特色的概率相關因子優(yōu)化GEP中的適應度函數(shù)，使得GPF方法精度提高了27％，同時GPF提出了寬松環(huán)境進化策略LEE使得GEP成功率比傳統(tǒng)技術提高了最大58倍。 4.在多項式函數(shù)關

3、系分解GPF的基礎上實現(xiàn)了觀察數(shù)據(jù)集上的基于多基因染色體的并列函數(shù)表達式挖掘PPM。 5.利用VisualC++6.0設計實現(xiàn)了基于GEP的挖掘實驗平臺GEPM，其中包括多項式函數(shù)關系分解GPF和多基因染色體的函數(shù)表達式挖掘PPM的實現(xiàn)。 6.在GEPM上進行了一系列的相關實驗，通過設計實驗標準對GPF在不同的輸入?yún)?shù)情況下的性能做了對比和評價，對比了各項優(yōu)化策略使用前后的性能變化，顯示了PPM的實際效果。