| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景 | 第9-10页 |
| ·函数挖掘国内外研究现状 | 第10-12页 |
| ·本文主要工作 | 第12-13页 |
| 第二章 基因表达式编程研究与分析 | 第13-28页 |
| ·演化计算介绍 | 第13-21页 |
| ·演化计算的发展过程 | 第13-14页 |
| ·演化计算的特点 | 第14-16页 |
| ·演化计算各个分支 | 第16-20页 |
| ·演化计算一般步骤 | 第20-21页 |
| ·GEP的基本概念 | 第21-26页 |
| ·个体组成 | 第21-22页 |
| ·编码规则 | 第22-24页 |
| ·表达式树和K表达式 | 第24-26页 |
| ·GEP与GP，GA的比较 | 第26-28页 |
| 第三章 基于动态评估策略的GEP-SAW系统的设计与实现 | 第28-46页 |
| ·基因表达的生物学背景 | 第28-29页 |
| ·GEP国内外的研究现状分析 | 第29-30页 |
| ·传统GEP技术探究 | 第30-39页 |
| ·GEP遗传操作 | 第30-35页 |
| ·GEP算法基本结构 | 第35-37页 |
| ·数值常量的引入 | 第37-38页 |
| ·适应度函数的构造 | 第38-39页 |
| ·逐步权重自适应算法(GEP-SAW) | 第39-42页 |
| ·传统GEP函数挖掘方法存在的问题 | 第39页 |
| ·GEP-SAW基本思想 | 第39-40页 |
| ·符号描述 | 第40页 |
| ·算法设计 | 第40-41页 |
| ·动态评估策略下自适应的适应度函数构造 | 第41-42页 |
| ·GEP-SAW系统实现 | 第42-46页 |
| ·系统框架图 | 第43页 |
| ·用户界面 | 第43-44页 |
| ·样本数据生成 | 第44-45页 |
| ·结果输出 | 第45-46页 |
| 第四章 GEP-SAW实验对比与分析 | 第46-58页 |
| ·实验要点 | 第46-47页 |
| ·GEP-SAW算法中参数设置对于运行结果的影响 | 第47-48页 |
| ·GEP-SAW在人工合成数据集上的应用 | 第48-53页 |
| ·GEP-SAW在一元数据预测模型中的应用 | 第48-50页 |
| ·GEP-SAW在二元数据预测模型中的应用 | 第50-52页 |
| ·GEP-SAW在三元数据预测模型中的应用 | 第52-53页 |
| ·GEP-SAW在标准数据集上的应用 | 第53-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |