基于基因表达式编程的自动聚类方法

为了解决聚类算法不能自动聚类的问题,提出并实现了自动聚类算法GEP-Cluster算法。主要工作包括:1)研究了基于GEP进化的最优簇划分;2)提出了自动合并簇算法Auto Merge Cluster Algorithm;3)实现了不需预知簇个数的聚类;4)在合成数据集上的实验表明,采用GEP-Cluster算法在未知簇划分信息的情况下可对数据集自动进行聚类分析,聚类成功率达到96%。     

基于基因表达式编程的Hammerstein模型的辨识

针对辨识Hammerstein模型的传统方法需假定系统结构或阶次,且过程复杂的问题,本文将基因表达式编程技术引入Hammerstein模型辨识,做了下列工作:①证明了Hammer-stein模型的渥尔特拉核,给出了系统稳定的充分必要条件;②形式化描述了结构体和参数体等新概念;③提出基于基因表达式编程的Hammerstein模型辨识的新方法(HMI-GEP),全自动地构造模型结构和决定参数。实验结果表明:该方法简单、有效,改善了辨识性能;模型结构采用不同的形式表达,参数估计的最低准确率约为93%。     

TP-Miner:基于生物启发计算的警用流动人口分析系统

目前对流动人口的管理仅停留在数据查询比对和简单统计上,缺少对数据的深层次分析,难以对决策指挥提供支持.针对流动人口的分析问题,提出了构建一个基于生物启发计算的智能分析系统,用于发现流动人口中各类人员的流动模式以及流动人口的趋势性问题,找出异常的流动信息和模式.该系统综合运用了前沿的生物启发计算技术--基于多层染色体基因表达式编程算法、重叠基因表达进化算法、基于概念相似度神经网络分类模型和层次距离计算的聚类算法搭建了一个警用流动人口的分析平台.同时根据实际需求,提出了一种新的基于智能分析结果的分级报警模型.实验表明系统具有较高的性能和实用性.     

基于基因表达式编程抽取特征的分类算法

传统的基因表达式编程在解决多分类问题时,人为地把多分类转换成多次两分类。融合了K-最邻近分类和基因表达式编程两种技术,做了下列工作:(1)提出了基于基因表达式编程中的特征抽取,证明了特征抽取区多样性定理;(2)提出了特征的自动聚类策略和特征集的自动选择策略,用特征的聚类辅助对象的分类;(3)提出基于基因表达式编程的最邻近距离分类算法,用抽取出的特征采用最邻近距离分类算法进行多分类;(4)实验表明,采用基于基因表达式编程的最邻近距离分类算法,有效地解决了多分类问题,改善了分类性能,使平均分类正确率提高约4%～10%,用于分类的特征维数减少60%～79%。