基于基因表達(dá)式編程函數(shù)挖掘和時(shí)間序列分析關(guān)鍵技術(shù)研究.pdf

1、數(shù)據(jù)挖掘作為多領(lǐng)域的交叉學(xué)科，是近9年來(lái)數(shù)據(jù)庫(kù)界研究的熱點(diǎn)；進(jìn)化計(jì)算模型不需要太多領(lǐng)域知識(shí)和建立先驗(yàn)?zāi)Ｐ?，在處理?fù)雜的數(shù)據(jù)挖掘問(wèn)題中得到了廣泛的青睞。在函數(shù)挖掘和時(shí)間序列分析的問(wèn)題中，取得了很大的成功。 函數(shù)挖掘和時(shí)間序列分析的實(shí)踐已經(jīng)暴露出傳統(tǒng)GEP的缺陷：如難以挖掘分段函數(shù)和難以制定時(shí)間序列分析的嵌入維度等。在前人的工作基礎(chǔ)上，本文結(jié)合了統(tǒng)計(jì)學(xué)和小波分析的方法，對(duì)GEP在函數(shù)挖掘和時(shí)間序列分析的缺陷做出了一系列的改進(jìn)。本文的

2、主要工作和貢獻(xiàn)如下： 1)分析了GEP用于分段函數(shù)挖掘存在的問(wèn)題，提出了基于小波的函數(shù)分段點(diǎn)發(fā)現(xiàn)算法。該算法通過(guò)對(duì)待擬合數(shù)據(jù)進(jìn)行離散小波變換，對(duì)小波細(xì)節(jié)系數(shù)進(jìn)行分析，能夠比較準(zhǔn)確的發(fā)現(xiàn)分段函數(shù)的分段點(diǎn)的所在，從而使得GEP能夠快速準(zhǔn)確地挖掘分段函數(shù)。 2)在統(tǒng)計(jì)學(xué)理論的基礎(chǔ)上提出了根據(jù)自相關(guān)系數(shù)將時(shí)間序列分為強(qiáng)變化時(shí)間序列和弱變化時(shí)間序列，并提出了基于N-步相關(guān)序列制定時(shí)間序列嵌入維度的算法。對(duì)于強(qiáng)變化時(shí)間序列提出了差分

3、平均預(yù)測(cè)方法。通過(guò)對(duì)時(shí)間序列作一次差分的預(yù)處理后進(jìn)行預(yù)測(cè)，取得了比原始GEP方法更好的預(yù)測(cè)效果。對(duì)于弱變化時(shí)間序列提出了菲波那契加權(quán)平均滑動(dòng)窗口預(yù)測(cè)的方法，通過(guò)菲波那契線性濾波器濾波后進(jìn)行預(yù)測(cè)，取得了比原始GEP方法更為準(zhǔn)確的預(yù)測(cè)結(jié)果。 3)在小波變換的基礎(chǔ)上，提出了針對(duì)強(qiáng)變化時(shí)間序列的基于小波近似系數(shù)的嵌入維度制定算法和針對(duì)弱變化時(shí)間序列的基于小波細(xì)節(jié)系數(shù)的嵌入維度制定算法。提出了兩種基于小波濾波的GEP時(shí)間序列預(yù)測(cè)方法：基

4、 于Birge-Massart閾值策略的小波濾波預(yù)測(cè)方法和基于Stein無(wú)偏估計(jì)閾值策略的小波濾波預(yù)測(cè)方法。這兩種方法有效地濾除了時(shí)間序列中的噪聲數(shù)據(jù)，使數(shù)據(jù)更為平滑，有效地提高了GEP時(shí)間序列預(yù)測(cè)的準(zhǔn)確度。 4)通過(guò)一系列的實(shí)驗(yàn)驗(yàn)證了本文提出的所有方法的有效性，證明使用這些方法能夠提高GEP函數(shù)挖掘和時(shí)間序列分析的準(zhǔn)確性。 本文的組織如下：第一節(jié)函數(shù)發(fā)現(xiàn)和時(shí)間序列分析背景、成果和不足；第二節(jié)介紹了數(shù)據(jù)挖掘、進(jìn)化計(jì)算和小