LDecode：具有线性复杂度的GEP适应度评价算法

基因表达式编程(Gene Expression Programming,GEP)在处理复杂长基因时的空间、时间效率较低,为解决这一问题,提出并实现了具有线性复杂度的染色体适应度评价算法.分析了传统GEP算法中借助ET(Expression Tree)树进行染色体适应度评价的局限性;提出并实现了具有线性复杂度的染色体适应度评价算法LDecode算法;针对染色体长度、种群大小、测试数据集大小、进化代数等不同参数,对提出的染色体适应度评价算法进行了评价和分析.试验表明,提出的评价算法运行速度较传统基于ET树的GEP提高了4.5～5.1倍,时间、空间复杂度均为O(n).     

基于多目标基因表达式编程的电路演化算法

为提高电路演化的效率和成功率,对电路设计中涉及的多个目标进行了定义与量化,并针对多目标优化问题,在基因表达式编程（GEP：Gene Expression Programming）的基础上,提出了基于多目标基因表达式编程的电路演化算法（MGEP：Multi-Objective Gene Expression Programming）。设计了演化电路中的GEP编码,定义和量化了电路演化的多个目标,利用非支配排序和适应度共享策略提高搜索方向的空间均匀性。通过数字电路演化实验证明,MGEP算法与GP算法相比进化时间减少了72．9％,同时得到的电路更简单实用,得到最优电路的比率分别比GP和传统的GEP提高了50．4％和38．9％。     

一种基于UD-Tree的分布式数据库新型复制架构

针对大量数据库的数据复制问题 ,提出了一种基于 UD- Tree的复制架构 RAUT(Replication Architecturebased on UD- Tree in distributed databases) .不同于已有的研究成果 ,RAU T采用树结构作为分布式数据库的组织方式 .主要成果包括 :(1)提出了两种新的基于树结构的高效算法用于数据传输 .(2 )有效克服了传统复制模型的缺陷 .(3)极大的减少了数据传输量并大幅提高了系统的整体性能 .(4 )实现了架构中的所有算法 ,并成功应用于由数百台服务器组成的全国公安系统 CCIC(中国犯罪信息中心 )大型分布式数据库系统     

基于基因表达式编程的知识发现--沿革、成果和发展方向

综述了基于基因表达式编程(Gene Expression Programming，GEP)的知识发现技术的沿革、特色和成果。剖析了GEP中通过简单编码解决复杂问题的关键技术。特别介绍了在这一领域的工作成果，如基于GEP的多项式因式分解，频繁函数挖掘，抗噪声数据的函数挖掘，太阳黑子预测等。对进一步开展基于GEP的知识发现技术的发展策略提出了自己的见解。     

基于基因表达式编程的信用评估模型挖掘方法

提出了一种基于基因表达式编程(GEP)的信用评估模型挖掘方法GEP-CREDIT。该方法基于客户信贷数据，利用GEP算法自动进行属性筛选，并进行属性融合，在此基础上训练和建立信用评估模型。在德国信用数据库真实数据集上做的实验和性能分析表明,基于GEP的信用评估模型挖掘方法较Nave Bayes算法的预测精度提高了3%；较SVM算法的预测精度提高了1.6%；较KNN(K=17)算法的预测精度提高了6.83%。     

基于重叠表达的多基因进化算法

受生物基因片段重叠表达现象的启发,文中提出了一种新的基于重叠表达进化算法--MEOE(Multigene Evolutionary algorithm based on Overlapped Expression).文章具体描述了MEOE的基因表达结构及相应的算法.不同于已有的工作,在MEOE中作为遗传物质的基因具有重复表达的概率,同时算法融合了免疫算法关于浓度的计算技术.文章对MEOE算法作了较为全面的分析,讨论了算法在表达空间、可表达性、性状遗传上的特点,并与传统算法作了相应比较.详尽的实验证明,MEOE算法在速度上是GEP的2.5～9.4倍.在高次函数发现问题上MEOE算法的成功率比GEP提高至少一个数量级.另外,通过实验证明了基于密度的概率选择函数在高次函数发现问题上具有一定优势.     

基于属性归纳的中药方剂数据挖掘

传统的面向属性归纳技术（AOI）存在概化粗糙及算法效率较低等缺陷。为适应中药方剂数据挖掘的复杂需求，提出基于中药数据驱动的属性关联概化算法；为关联的维度创建概念树，利用关联属性与基准属性的相关性以提高归纳的效率，实现了面向属性关联归纳的数据挖掘系统TCMDBMiner。实验结果表明，新算法较传统算法的归纳概化效率提高了23%以上，挖掘结果符合中医理论。     

基于时态数据库的Web数据周期规律的采掘

拟周期性能描述对象在生命周期中重复性的趋势和走向,并能忽略时间轴上不规则的伸缩和幅度上的干扰。该文以基于Ｈｂａｓｅ分史制的Ｗｅｂ数据拟周期采掘任务为背景,提出了属性趋势、趋势惯量和峰谷链、抗干扰的惯性趋势算法和峰谷算法,对拟周期采掘给出一种解决方法,通过在一组地震数据上的采掘测试表明,算法有实用价值和可接受的效率。     

BDRank:一种基于图论的出生缺陷监测系统排序机制(英文)

因为中国出生缺陷发生呈快速增长的趋势,研究人员没有条件研究发生在所有城市的所有出生缺陷案例。为了平衡研究的成本与效率,有必要选择"重要"的城市和"重要"的出生缺陷作为研究对象。介绍了BDRank,用于对出生缺陷和出生缺陷发生的城市排序。与PageRank不同,BDRank能够处理由多种对象组成的系统。更重要的是,BDRank能够有效使用研究人员的先验知识。实验使用了中国1987-1989年的出生缺陷数据,实验表明:和出生缺陷研究人员使用的现有方法相比,BDRank具有更好的排序精度。     

关联文本分类的规则修正策略

通过分析基于关联规则的文本分类,发现在保持分类规则对正例样本正确分类的同时减少对反例样本的错误分类可以提高分类的精确度.基于否定选择算法的思想提出了分类规则修正策略,用反例样本集合对分类规则进行耐受,从分类规则错误判别的反例样本中再产生规则,与原来的规则组成新规则,称为增强关联规则.基于修正策略产生的增强关联规则可以大幅度地减少对反例样本的错误分类,从而提高分类的精确度.通过形式化证明和实验,分类规则修正策略的有效性得到验证.