基因表达式编程优化算法及其在聚类分析中的应用

《基因表达式编程优化算法及其在聚类分析中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、创新性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期Ⅻ)≥，；，)皇关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。本人保证毕业离校后，发表论文或使

2、用论文(与学位论文相关)工作成果时署名单位仍然为西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。(保密的论文在解密后遵守此规定)本人授权西安电子科技大学图书馆保存学位论文，并同意将论文在互联网上发布。本人签名：导师签名：隧≥l兰氍日期塑：三：当日期塑l三：；!)S摘要摘要作为遗传算法家族的新成员，基因表达式编程同时融合了遗传算法定长线性编码简单快捷的特点和遗传编程树形结构灵活多变的优点，从而跨越表现型的极限，使基因完全编码在一个固定长度的简单字符串里，用简单编码解决复杂问题。然而，由于基因表达式

3、编程起步较晚，其理论基础有待进一步完善，实际应用仍需深入挖掘。本文首先对传统的基于基因表达式编程的聚类算法进行改进，提出一种新的聚类合并准则解决原算法后期过合并的问题。在随后的工作中改进了原算法的编码方式并在进化过程中引入多目标来解决聚类问题。最后，将基于新编码方式的基因表达式编程多目标聚类算法应用于图像分割。具体工作如下：(1)提出了一种改进的基因表达式编程单目标自动聚类算法(ModifiedSingle—objectiveAutomaticClusteringbasedonGeneExpressionProgramming，简称MSC—GEP)，算法中通过对数据包含样本点的多少排序、引入新

4、的类平均法衡量类间距提高算法的准确性。f2)提出了基于新编码方式的基因表达式编程多目标聚类算法(Multi．objectiveClusteringAlgorithmwithNewEncodingbasedonGeneExpressionProgramming，简称MOC—GEP)，新算法提出新的编码方式增加种群的多样性，同时在进化过程中引入多目标，通过多个目标反映数据的不同结构。这是首次将多目标优化和GEP结合用以解决聚类问题，是对GEP理论和应用的探索与创新，在24个实验数据上的结果表明新算法的性能优于对比算法。(3)将上一工作应用于图像分割，用聚类的思想解决图像分割问题。算法(Textur

5、eImageSegmentationAlgorithmbasedonGeneExpressionProgrammingClustering，简称TISA．GEP)在图像分割问题上的实验取得了满意的效果。本课题得到国家自然科学基金(No．60803098)、国家教育部博士点基金(No．20070701022)、省自然科学基金(2010JM8030)、中央高校基本科研基金(No．K505110200141的资助。关键词：基因表达式编程聚类多目标优化图像分割ABSTRACTAsanewmemberofthegeneticalgorithms，GeneExpressionProgramminghast

6、woadvantages，oneisfixed-length，linearencoderandtheotheroneisflexibletrees咖ctl】re．Becauseofthetwoadvantages，GEPbreakthelimitsofthephenotypeandcancompletelyencodegeneinasimplestringwithfixedlength．However,duetothelatestartofgeneexpressionprogramming，itstheoreticalbasisistobefurtherimproved，andpractica

7、lapplicationsstillneedtodigdeeper．Inthisthesis，anewclusterspacingisintroducedtoimprovetheaccuracyratefirstly．Then，anewencodingmethodisproposedandmulti—objectiveoptimizationisintroducedtosolvethecluste