用GEP实现传感器网络多源时域数据融合

本文提出了一种基于基因表达式编程GEP的多源时域数据融合模型GEP-MSDA,该模型可以在无任何先验知识的情况下自动对多源数据进行融合。实验表明,基于GEP的融合模型较传统方法能滤除更多的冗余数据,有效节省通信开销,并保持较高的精度。     

基因表达式程序设计进行复杂函数参数识别

在介绍了基因表达式程序设计方法的基础上,采用基因表达式程序设计建立了复杂函数参数识别的模型,给出了算法结构与算法程序流程,并利用基因表达式程序设计方法进行未知函数拟合的实验,定义合适的终止条件,得到精确的预测结果.实验结果表明,此方法具有很高的预测精度,明显优于传统方法.最后指出该方法只需要提供足够的实验或实验数据,知道目标函数,就可以达到准确预测的目的,因而可以广泛应用于复杂函数拟合中,具有广阔的应用前景.     

基于基因表达式编程的移动通信网络性能指标预测

移动通信网络性能指标的准确预测对移动通信行业有着极其重要的意义.将基因表达式编程(GEP)技术引入移动通信网络性能指标分析领域,提出了基于GEP的网络性能指标预测模型GEP-WirelessAP.对某市电信公司的全年AP利用率记录进行了时间序列分析试验,并进行了预测检验和结果分析.实验结果表明,GEP-WirelessAP模型有效地避免了传统预测方法的盲目性,从而使预测效果更加客观、有效.     

基于BP和GEP算法的高光谱物谱建模研究

本文在分析铀成矿光谱吸收特征的基础上,利用改进的人工神经网络在Matlab仿真实验平台上进行了高光谱物谱建模研究;基于基因表达式编程GEP算法进行了物谱关联模型挖掘探索;并将人工神经网络模型与基因表达式编程模型在测试数据上的预测结果进行了对比.结果表明:尽管后者训练时间要比前者长,但预测精度较高、结果易解释.     

基因表达式编程在SARS疫情分析及预测中的应用

讨论基因表达式编程在SARS 疫情分析与预测中的应用，对基因表达式编程进行了理论分析，利用基因表达式编程对SARS在中国的传播与流行趋势及控制策略进行了自动数学建模实验。利用实际数据拟合参数，针对北京、山西的疫情进行了计算仿真。结果表明，该网络模型算法收敛速度较快，预测精度很高。     

基于病毒进化机制的基因表达式编程算法研究

结合病毒进化机制,提出一种基因表达式编程算法来解决函数拟合和序列预测等数值优化问题.该算法通过构造新的病毒更新和感染机制,有效加速种群的进化并避免早熟收敛的发生.性能分析和实验结果表明:与传统的基因表达式编程算法相比,本文算法无论在解的质量上还是在收敛速度上都要更好.最后还将本文算法应用于图像定标的实际工程中,取得较好计算效果,具有较大实用价值.     

熵在决策树构建中的应用

决策树是对未知数据进行分类预测的一种方法。本文阐述熵理论和典型的ID3算法,并举例构建决策树。讨论选择具有最高信息增益的属性构建决策树,即选定具有最高区分度的属性作为当前节点。利用熵理论构建决策树,方法简单,结构清晰,容易转换成分类规则,并且不需要先验领域知识。     

基于基因表达式编程的规则分类

为了提高基于规则的分类法中挖掘规则的效率,提出了将基因表达式编程用于挖掘规则的分类方法.针对规则分类问题,设计出了一种新形式的染色体终端符号,引入规则的正确率作为适应度函数度量;将适应度由高到低排序,建立备选规则集;通过使用基因表达式编程挖掘Monk与Acute Inflammations中的规则,利用挖掘出的规则对数据集进行分类.实验结果表明了基于基因表达式编程的挖掘规则分类算法的准确率会高于传统分类算法.     

基于EMD和GEP的软件可靠性预测模型

基于经验模态分解和基因表达式编程算法提出了一种软件可靠性预测模型。通过对软件失效数据序列进行经验模态分解得到不同频段的本征模态分量和剩余分量,消除失效数据中的噪声,运用基因表达式编程算法的灵活表达能力,把分解得到的不同频段的各本征模态分量及剩余分量中所对应的不同失效时间序列作为样本来分别进行预测,重构各本征模态分量和剩余分量中相对应的预测结果,将其作为软件失效的最终预测值。基于两组真实软件失效数据集,将所提出的方法与基于支持向量回归机以及单纯使用基因表达式编程的软件可靠性预测模型进行比较分析。结果表明,该软件可靠性预测模型具有更为显著的模型拟合能力与精确的预测效果。     

一种冠心病介入术后复发预测组合模型的构建

为了克服BP神经网络在冠心病介入术后复发预测时存在网络结构复杂且易出现误判断的不足,提出一种小生境技术、基因表达式编程与BP神经网络相结合的冠心病介入术后复发预测的组合模型构造方法。该方法首先利用小生境技术和基因表达式编程的方法对BP神经网络的权值、阈值和网络结构进行优化,解决由于BP神经网络易陷入局部最优的缺陷;然后用梯度下降法对优化后的BP神经网络进行精确调整。将此方法应用于冠心病介入术后2年复发预测中,结果表明优化后的BP神经网络比未优化的BP神经网络具有较好的收敛性能,且预测精度更高。     

优化的GEP算法在爆破振动预测中的应用

结合主成分分析和基因表达式编程,提出了一种基于PCA的优化基因表达式编程的新算法,并将其应用在爆破振动峰值速度和主频率的预测。该算法首先利用主成份分析方法对影响爆破振动的参数进行预处理,有效地减少预测模型的输入量,消除输入数据间的相关性,而后通过基因表达式程序设计建立爆破振动预测模型。结果表明,基于PCA的优化基因表达式编程算法比BP神经网络等其他算法得到的结果具有更高的预测精度和稳定性。     

基于装袋GEP分类器集成的信用评估

为提高信用评估的预测精度,提出一种基于装袋的基因表达式编程(GEP)多分类器集成算法。该算法采用Bagging方法将GEP产生的多个差异基分类器进行集成。在德国信用数据库真实数据集上的实验及性能分析表明,该算法较SVM算法的预测精度提高约2.7%;较KNN(K=17)算法的预测精度提高约7.93%;较单GEP分类算法的预测精度提高约1.1%。     

四维飞行轨迹预测方法的研究

通过对空中交通运输管理中目前常用的轨迹预测算法的研究比较和分析,提出了利用遗传算法的从历史数据中进行函数挖掘的思想.针对四维轨迹数据特征的分析和传统的单一函数挖掘的局限性,提出了基于基因表达式编程的频繁函数集挖掘的建模方法.该模型方法通过对历史飞行数据进行遗传算法的操作挖掘出数据集中对应的函数关系集合,用较好的函数模型预测未来航迹.以某一航班雷达数据为训练集做实验,结果表明了应用该方法的准确性和可用性.     

A new predictive model for compressive strength of HPC using gene expression programming

In this study, gene expression programming (GEP) is utilized to derive a new model for the prediction of compressive strength of high performance concrete (HPC) mixes. The model is developed using a comprehensive database obtained from the literature. The validity of the proposed model is verified by applying it to estimate the compressive strength of a portion of test results that are not included in the analysis. Linear and nonlinear least squares regression analyses are performed to benchmark the GEP model. Contributions of the parameters affecting the compressive strength are evaluated through a sensitivity analysis. GEP is found to be an effective method for evaluating the compressive strength of HPC mixes. The prediction performance of the optimal GEP model is better than the regression models.     

物联网技术在道路交通安全预测中应用研究

研究道路安全预测精确度问题,由于随机波动性较大的样本数据序列预测精度较差,传统的道路交通安全预测灰色预测理论算法难以解决交通拥塞和道路交通不平衡状况。为了解决上述问题,提出了一种基于物联网技术的交通状态监测安全预测方法,主要采用物联网技术实时监测道路的交通情况,依据搜集的交通信息设计安全预警指标,建立灰色理论道路交通安全预测模型,并在模型的基础上引入二维马尔科夫链时空模型,建立一种新的二维马尔科夫理论的灰色扩展交通安全预测模型。仿真结果表明,提出的新的预测方法能够有效地预测道路交通安全风险以及隐患,预测的精确度要比传统的灰色理论预测模型更高,为交通安全系统设计提供了依据。     

基于基因表达式编程的私人汽车拥有量建模和预测*

准确预测私人汽车拥有量,对制定经济政策和进行经济宏观调控、保证社会经济和谐发展有重要的作用。基因表达式编程（GEP）是新的进化模型,在数据挖掘领域得到了广泛的关注和研究,对符号回归任务表现了很强的优势。阐述了GEP基本原理,GEP进行序列分析的基本方法;根据1990—2007年全国和人汽车拥有量,基于GEP技术挖掘到了其模型。实验表明,基于GEP技术得到的私人汽车拥有量模型预测精度高、泛化能力强。     

Prediction of splitting tensile strength from the compressive strength of concrete using GEP

Splitting tensile strength is one of the important mechanical properties of concrete that is used in structural design. In this paper, it is aimed to propose formulation for predicting cylinder splitting tensile strength of concrete by using gene expression programming (GEP). The database used for training, testing, and validation sets of the GEP models is obtained from the literature. The GEP formulations are developed for prediction of splitting tensile strength of concrete as a function of water-binder ratio, age of specimen, and 100-mm cube compressive strength. The training and testing sets of the GEP models are randomly selected from the complete experimental data. The GEP formulations are also validated with additional experimental data except from the data used in training and testing sets of the GEP models. GEP formulations’ results are compared with experimental results. Results of this study revealed that GEP formulations exhibited better performance to predict the splitting tensile strength of concrete.     

道路通行能力实时校正技术研究

针对目前道路通行时间预测的不确定性和预测精度不高等缺点,论文提出了一种可应用于道路通行能力预测方面的实时校正技术.将现代系统理论中的实时校正技术应用到交通行程时间的预测模型中,建立相应的预测时间误差实时校正模型,以进一步提高交通时间的预测精度.论文将实测数据的去噪值、预测值及实时校正值进行对比,对比结果表明,应用实时校正技术后可以较好地提高道路行程时间预测的准确性、可靠性和精度.     

Development of GEP-based functional relationship for sediment transport in tropical rivers

This study presents gene expression programming (GEP), which is an extension to genetic programming (GP), as an alternative approach to modeling the functional relationships for the River Kurau, River Langat, and River Muda of the Malaysia. A functional relation has been developed using GEP with non-dimensional variables. The development of a GEP non-dimensional model is described. This paper compares current prediction equation with the existing GEP model for the same rivers (Zakaria et al. in Sci Total Environ 408:5078–5085, (2010). The presented model in this study is a less input GEP model and that predicts good performance. The proposed GEP approach gives satisfactory results compared to existing predictors.     

基因表达式编程在软件可靠性建模中的应用

基因表达式编程是一种基于遗传算法和遗传编程的新型机器学习技术,其具有更为优秀的数据挖掘能力,已被成功应用于函数发现领域。提出一种基于基因表达式编程的非参软件可靠性建模方法,该方法将基因表达式编程算法中的若干关键步骤(如初始种群函数集、适应度函数、终止条件等)与软件可靠性建模的若干重要特征相融合,在失效数据集上进行训练,从而获得基于基因表达式编程算法的非参软件可靠性模型。在若干组真实失效数据集上,将所提出的模型与若干典型的基于人工神经网络以及遗传编程的非参软件可靠性模型进行对比实例研究。实例结果表明,基因表达式编程算法的非参软件可靠性模型具有更为显著的模型拟合与预计性能。