基于基因表達式編程的分類算法研究及應用.pdf

1、數據挖掘是當今計算機應用技術和理論研究中最熱門的領域之一，經過二十多年的發(fā)展，已經逐漸建立起系統(tǒng)的挖掘理論和成熟的挖掘技術。分類規(guī)則挖掘作為數據挖掘的一個重要分支，引起了不同領域學者的廣泛關注，其中以遺傳算法和遺傳程序設計為代表的演化計算方法因為其智能性、并行性、不確定性等諸多特點成為其中一個特殊的分支。基因表達式編程是在結合遺傳算法和遺傳程序設計的優(yōu)點的基礎上提出的一種新的遺傳算法，在數學建模方面取得了非常好的效果并在許多工程領域取得

2、了應用。 本文以基因表達式編程和分類規(guī)則挖掘為主要研究對象，研究基于基因表達式編程的神經網絡和決策樹算法及其在分類規(guī)則挖掘中的應用。本文的主要工作和成果如下： 1．在簡要介紹GEP技術主要思想的基礎上，分析了基因表達式編程的編碼特點及其技術優(yōu)勢的實質，總結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神經網絡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神經網絡方法，并在此基礎上進一步提出了一種改進的GEP神經網絡演化方法，實驗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GEP神經網絡解決多分類問題需要進行數據切分的不便之處，引入GEP決策樹算法，并針對該算法在常數數值數組產生策略中的幾點不足，提出了一種基于均勻常數分布的GEP決策樹算法，實驗證明該算法優(yōu)于傳統(tǒng)C4．5算法和標準GEP決策樹算法。 4．在開源數據挖掘平臺WE