| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的组织安排 | 第15-16页 |
| 第二章 基因表达式编程的基本原理及算法 | 第16-21页 |
| ·基因表达式编程的基本概念及特点 | 第16页 |
| ·基因表达式编程的理论基础 | 第16-17页 |
| ·基于GEP 的参数最优化算法GEP-PO | 第17-21页 |
| （1） 确定编码方案 | 第17-19页 |
| （2） 选取适应度函数 | 第19页 |
| （3） 确定合适的控制参数 | 第19页 |
| （4） 遗传算子的选取 | 第19页 |
| （5） 确定算法的终止条件 | 第19-21页 |
| 第三章 隐马尔可夫模型（HMM）训练算法的改进 | 第21-38页 |
| ·HMM 模型的定义 | 第21-22页 |
| ·信号模型 | 第21页 |
| ·隐马尔可夫模型的数学描述 | 第21-22页 |
| ·HMM 的类型 | 第22-25页 |
| ·由左至右模型 | 第23-25页 |
| ·HMM 的三个基本问题及解决办法 | 第25-31页 |
| ·“向前一向后”算法一问题1 的解决方案 | 第26-27页 |
| ·Viterbi 算法一问题2 的解决方案 | 第27-28页 |
| ·Baum-Welch 算法-问题3 的解决方案 | 第28-31页 |
| ·基于GEP-PO 和BAUM-WELCH训练HMM 的算法（GBHA） | 第31-33页 |
| （1） GBHA 算法的编码 | 第32页 |
| （2） 适应度函数 | 第32页 |
| （3） 选择算子 | 第32页 |
| （4） 终止策略 | 第32-33页 |
| （5） 算法描述如下 | 第33页 |
| ·实验与讨论 | 第33-37页 |
| ·实验1 | 第33-36页 |
| ·实验2 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 基于HMM 方法的GEP 时间序列预测 | 第38-44页 |
| ·时间序列模型概述 | 第38-39页 |
| ·算法描述如下 | 第39页 |
| ·实验与分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·总结 | 第44-45页 |
| ·展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 附录 A 本文作者在攻读硕士学位期间发表的论文 | 第51页 |
| 附录 B 本文作者在攻读硕士学位期间参加的科研项目 | 第51页 |