| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 引言 | 第8-12页 |
| ·研究背景 | 第8-9页 |
| ·GEP 算法相关研究现状 | 第9-10页 |
| ·GEP 算法拓展与改进 | 第9-10页 |
| ·GEP 的应用研究 | 第10页 |
| ·本文主要的研究工作 | 第10-12页 |
| 第二章 分类与聚类的基本知识 | 第12-16页 |
| ·数据分类概述 | 第12-14页 |
| ·基于规则的分类的概述 | 第12页 |
| ·基于规则的分类的研究方法 | 第12-14页 |
| ·聚类分析的概述 | 第14-16页 |
| ·聚类分析中的基本公式 | 第14页 |
| ·K-means 聚类分析的概述 | 第14-15页 |
| ·迭代重定位方法 | 第15-16页 |
| 第三章 基因表达式编程 | 第16-22页 |
| ·GEP 中的基因 | 第16-17页 |
| ·GEP 的基本遗传操作 | 第17-20页 |
| ·适应度函数的选择 | 第20-21页 |
| ·GEP 基本算法 | 第21-22页 |
| 第四章 基于基因表达式编程的挖掘规则分类算法 | 第22-30页 |
| ·传统的 GEP 分类技术 | 第22页 |
| ·用 GEP 挖掘分类规则 | 第22-25页 |
| ·染色体的设计 | 第22-23页 |
| ·适应度函数 | 第23页 |
| ·进化操作 | 第23-24页 |
| ·MCR-GEP 算法流程 | 第24-25页 |
| ·实例的规则分类问题 | 第25-26页 |
| ·实验 | 第26-28页 |
| ·参数设置 | 第26页 |
| ·数据集 | 第26-27页 |
| ·实验结果及分析 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第五章 基于基因表达式编程的 K-means 聚类分析 | 第30-40页 |
| ·基于 GEP 的自动聚类算法 | 第30页 |
| ·GEP-KC 算法 | 第30-36页 |
| ·染色体的设计 | 第31页 |
| ·染色体解码 | 第31-33页 |
| ·适应度函数的选取 | 第33-34页 |
| ·进化操作 | 第34页 |
| ·进化过程的优化 | 第34页 |
| ·进化完成后的优化 | 第34-35页 |
| ·GEP-KC 算法流程 | 第35-36页 |
| ·实验 | 第36-39页 |
| ·实验数据和参数 | 第36-37页 |
| ·实验结果及分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第六章 总结与展望 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 发表的学术论文及科研成果 | 第45-46页 |
| 致谢 | 第46页 |