| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-14页 |
| 1.1.1 生物进化论概要 | 第10页 |
| 1.1.2 遗传算法 | 第10-11页 |
| 1.1.3 遗传编程 | 第11-14页 |
| 1.1.4 基因表达式编程 | 第14页 |
| 1.2 课题研究目的及意义 | 第14-15页 |
| 1.3 论文的工程应用和效果 | 第15-16页 |
| 1.4 论文的组织结构 | 第16-17页 |
| 第2章 基因表达式编程算法介绍 | 第17-32页 |
| 2.1 基因表达式编程 | 第17-19页 |
| 2.1.1 基因表达式编程的基因和染色体构成 | 第17-18页 |
| 2.1.2 K-表达式 | 第18-19页 |
| 2.2 基因表达式编程中的基因 | 第19-20页 |
| 2.3 多基因染色体 | 第20-21页 |
| 2.4 基因表达式编程算法的定义 | 第21页 |
| 2.5 基本的遗传操作 | 第21-24页 |
| 2.6 基因表达式编程算法 | 第24-26页 |
| 2.7 适应度函数的设计 | 第26-28页 |
| 2.7.1 复相关系数法 | 第26-27页 |
| 2.7.2 均方差 | 第27页 |
| 2.7.3 相对方差适应度函数 | 第27-28页 |
| 2.8 基因表达式编程的选择策略 | 第28-31页 |
| 2.8.1 按比例的适应度分配 | 第28-29页 |
| 2.8.2 基于排序的适应度分配 | 第29页 |
| 2.8.3 轮盘赌选择法 | 第29-31页 |
| 2.9 本章小结 | 第31-32页 |
| 第3章 结构化的基因表达编程算法 | 第32-46页 |
| 3.1 结构化处理方法 | 第32-34页 |
| 3.2 结构化的基因表达编程解码、编码算法 | 第34-36页 |
| 3.3 基因与结构的关系 | 第36页 |
| 3.4 结构化的基因表达编程算法 | 第36-37页 |
| 3.5 结构化的基因表达编程算法的优点 | 第37页 |
| 3.6 实验和分析 | 第37-44页 |
| 3.6.1 函数挖掘测试 | 第37-40页 |
| 3.6.2 地震预测测试 | 第40-44页 |
| 3.7 本章小结 | 第44-46页 |
| 第4章 基于结构化的基因表达编程优化的RBF神经网络算法 | 第46-58页 |
| 4.1 RBF神经网络 | 第46-47页 |
| 4.2 算法的适应度 | 第47-48页 |
| 4.3 基于结构化的基因表达编程算法优化的RBF神经网络算法 | 第48-51页 |
| 4.4 实验与分析 | 第51-57页 |
| 4.4.1 函数挖掘测试 | 第51-53页 |
| 4.4.2 精度测试 | 第53-54页 |
| 4.4.3 气象测试 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 基于结构化的基因表达编程的文本分类算法 | 第58-67页 |
| 5.1 文本的向量表示 | 第58-59页 |
| 5.2 结构化的基因表达编程算法的种群初始化 | 第59页 |
| 5.3 遗传算子的设计 | 第59-60页 |
| 5.4 基于结构化的基因表达编程算法的文本分类算法 | 第60-61页 |
| 5.5 实验与分析 | 第61-66页 |
| 5.5.1 文本数据集测试 | 第61-64页 |
| 5.5.2 新浪微博数据测试 | 第64-66页 |
| 5.6 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-68页 |
| 6.1 全文总结 | 第67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间发表的论文 | 第73-74页 |
| 攻读硕士学位期间发表的软件著作权 | 第74-75页 |
| 攻读硕士学位期间参加的研究工作 | 第75-76页 |
