已閱讀1頁，還剩57頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、該文主要工作如下:,(1)分析了從樣本數(shù)據(jù)中發(fā)現(xiàn)所蘊含的函數(shù)關(guān)系這一特殊知識發(fā)現(xiàn)形式的特點和難點.(2)提出了一種高效,健壯的函數(shù)關(guān)系挖掘方法GEPFM(GEP based Function Mining).GEPFM通過基于基因表達(dá)式編程(GEP)的UEM和MEM搜索算法確定所求函數(shù)的形態(tài),并有效地處理函數(shù)的分域特性.(3)在Windows2000上用C++實現(xiàn)了交互式韻GEP實驗平臺GEPxP(GEP Experiment Plat
2、form).該系統(tǒng)能夠在不同的參數(shù)設(shè)置情況下對各種樣本數(shù)據(jù)進(jìn)行函數(shù)關(guān)系表達(dá)式挖掘,并可對有誤差樣本數(shù)據(jù)進(jìn)行濾波估計.論文涉及程序量3000余行代碼.(4)在GEPxP上進(jìn)行了大量的實驗.實驗結(jié)果顯示,GEPFM方法在采用較高變異概率時具有很好的性能,對于不同的目標(biāo)函數(shù),挖掘成功率可以達(dá)到20﹪~80﹪,且運行時間較短,平均成功挖掘耗時在10秒以內(nèi).對有誤差樣本數(shù)據(jù)進(jìn)行濾波的實驗也取得了很好的效果,數(shù)據(jù)均方誤差在濾波后明顯降低,甚至接近于
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 量子算法及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 有理權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)研究及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 基于GEP挖掘的戰(zhàn)爭函數(shù)模型及應(yīng)用.pdf
- 遺傳優(yōu)化算法及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- Kalman濾波新算法及其在數(shù)據(jù)融合中的應(yīng)用.pdf
- 中介粗集及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 蟻群算法及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- Rough Set理論及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 螞蟻算法及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 神經(jīng)網(wǎng)絡(luò)方法及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- Rough集理論及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 聚類分析在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- B-樣條權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)研究及其在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 稀疏學(xué)習(xí)及其在數(shù)據(jù)挖掘的應(yīng)用.pdf
- 基于動態(tài)評估策略的GEP算法在函數(shù)挖掘中的應(yīng)用研究.pdf
- 一種基于GEP的函數(shù)挖掘方法研究與應(yīng)用.pdf
- 矩陣分解在數(shù)據(jù)挖掘中的應(yīng)用.pdf
- 相關(guān)向量機及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
- 粗糙集及其在數(shù)據(jù)挖掘中的應(yīng)用研究.pdf
評論
0/150
提交評論