| 摘要 | 第1-6页 |
| Abstract | 第6-13页 |
| 1 前言 | 第13-18页 |
| ·智能模型库技术的研究现状及研究意义 | 第13-15页 |
| ·基因表达式编程技术的研究现状及研究意义 | 第15-16页 |
| ·本文组织 | 第16-18页 |
| 2 基因表达式编程基本概念和术语 | 第18-34页 |
| ·GEP的染色体结构 | 第18-27页 |
| ·ORF和基因 | 第19-21页 |
| ·GEP中的基因 | 第21-24页 |
| ·多基因染色体 | 第24-25页 |
| ·子表达树的交互作用 | 第25-27页 |
| ·适应度函数(FITNESS) | 第27页 |
| ·GEP的遗传操作 | 第27-33页 |
| ·复制(Replication) | 第28页 |
| ·变异(Mutation) | 第28-29页 |
| ·位移(Transpasition) | 第29-31页 |
| ·重组(Recombination) | 第31-33页 |
| ·GEP基本算法 | 第33-34页 |
| 3 函数发现技术中的数据预处理 | 第34-45页 |
| ·复共线性数据的预处理 | 第34-39页 |
| ·相关概念 | 第35页 |
| ·ε－复共线性数据预处理算法 | 第35-38页 |
| ·实验 | 第38-39页 |
| ·基于HASH函数取样的抽样技术数据预处理 | 第39-44页 |
| ·SHF模型中的概念 | 第40页 |
| ·各类型变量分布函数的估计 | 第40-42页 |
| ·Hash函数的构造 | 第42页 |
| ·分层取样 | 第42-43页 |
| ·基于Hash函数取样的数据预处理算法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 4 基因表达式编程收敛性分析 | 第45-58页 |
| ·形式化定义 | 第45-48页 |
| ·GEP的马尔可夫链分析 | 第48-52页 |
| ·马尔可夫链相关概念 | 第48-50页 |
| ·GEP马尔可夫收敛定理 | 第50-52页 |
| ·GEP的依概率收敛分析 | 第52-56页 |
| ·问题背景及相关定义 | 第52-53页 |
| ·基于GEP的函数发现依概率收敛定理 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 5 基于基因表达式编程的智能模型库系统的实现 | 第58-75页 |
| ·基本概念 | 第58-60页 |
| ·GEP-IMBS系统主程序算法 | 第60-61页 |
| ·适应度函数 | 第61-66页 |
| ·基于GEP的智能模型库管理系统框架 | 第66-68页 |
| ·GEP-IMBS管理系统实现框架 | 第66-67页 |
| ·GEP-IMBS系统功能模块介绍 | 第67-68页 |
| ·智能模型库系统与决策支持系统的接口技术 | 第68-69页 |
| ·实验 | 第69-73页 |
| ·本章小结 | 第73-75页 |
| 6 基于基因表达式编程的智能模型库技术的算法研究 | 第75-103页 |
| ·基于GEP的显式智能模型的挖掘算法 | 第75-78页 |
| ·GEP－EIMA算法 | 第75-76页 |
| ·实验 | 第76-78页 |
| ·基于GEP残差制导进化算法 | 第78-84页 |
| ·GEP-RGEA算法 | 第78-80页 |
| ·实验与性能分析 | 第80-84页 |
| ·基于基因表达式编程的属性约简函数发现算法 | 第84-94页 |
| ·基本概念 | 第85-87页 |
| ·基于基因表达式编程的属性约简函数挖掘模型 | 第87-92页 |
| ·实验和性能分析 | 第92-94页 |
| ·GEP-REFA、GEP-DEPM、GEP-MEM算法简介 | 第94-102页 |
| ·GEP-DEPM算法 | 第94-96页 |
| ·GEP-REFA算法 | 第96-99页 |
| ·GEP-MEM算法 | 第99-102页 |
| ·本章小结 | 第102-103页 |
| 7 总结及未来工作展望 | 第103-106页 |
| 参考文献 | 第106-114页 |
| 作者在读期间科研成果简介 | 第114-119页 |
| 致谢 | 第119-120页 |