基于生物啟發(fā)計(jì)算的知識發(fā)現(xiàn)關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf

1、生物啟發(fā)計(jì)算是在生物界自然現(xiàn)象或過程中獲得靈感啟示下，研究開發(fā)的智能計(jì)算模型。近年來，生物啟發(fā)計(jì)算在人工智能、機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域得到了廣泛應(yīng)用；受生物科學(xué)最新發(fā)展成果的啟發(fā)，各國研究學(xué)者也不斷地提出很多新穎的理論和算法。但與成熟學(xué)科相比，生物啟發(fā)計(jì)算領(lǐng)域的研究仍處于初步的探索當(dāng)中。 本文探索了生物啟發(fā)計(jì)算中幾個(gè)富有吸引力和挑戰(zhàn)性問題，主要創(chuàng)新點(diǎn)包括： 1、在基因表達(dá)式編程算法中引入多層染色體的概念，提出了一種基于多層

2、染色體基因表達(dá)式編程的遺傳算法M－GEP（Multi-Layer Chromosome GeneExpression Programming），新算法在解決如公式發(fā)現(xiàn)等具體問題中取得了較好的結(jié)果，通過實(shí)驗(yàn)與單基因GEP，多基因GEP算法相比，平均進(jìn)化輩數(shù)有明顯降低。 2、提出并實(shí)現(xiàn)了一種全新的進(jìn)化算法－基于重疊表達(dá)的多基因進(jìn)化算法——MEOE（multi-gene evolutionary algorithm based on

3、overlapped expression）。生物學(xué)家發(fā)現(xiàn)，在一定條件下，組成基因的核苷酸序列有些可以重復(fù)，即重疊基因（overlapping gene）。生物遺傳界普遍認(rèn)為重疊基因不僅能經(jīng)濟(jì)和有效的利用DNA的遺傳信息量，“節(jié)約”堿基，更重要的是可能便于對基因表達(dá)起調(diào)控作用。受基因重疊現(xiàn)象啟發(fā)，結(jié)合免疫學(xué)中關(guān)于濃度的概念，作者提出并實(shí)現(xiàn)了一種新的進(jìn)化算法-MEOE，同其他進(jìn)化算法相比，MEOE表達(dá)空間效率優(yōu)于其他算法；由于無需對基因或

4、染色體內(nèi)容做出約束MEOE算法效率近一步提高。實(shí)驗(yàn)表明，在同等條件下，MEOE的速度為GEP的2.5到9.4倍；對高次函數(shù)發(fā)現(xiàn)能力和函數(shù)發(fā)現(xiàn)的成功率方面均有較大幅度提高。 3、提出了一種新的基于概念認(rèn)知推理的數(shù)據(jù)分類方法－CCI（Classification Method based on Concept Cognize Inference）。受靈長目動物獲取食物的思維特點(diǎn)的啟發(fā)，本文從概念認(rèn)知入手，利用領(lǐng)域潛在知識及推理，提出

5、并實(shí)現(xiàn)了的一種基于最近鄰的數(shù)據(jù)分類方法。CCI方法將數(shù)據(jù)表中的元組視為空間矢量，與已有的最近鄰分類模型不同點(diǎn)在于，不將數(shù)據(jù)表的屬性集合視為坐標(biāo)系，而將每個(gè)元組的屬性，看作基于一個(gè)未知維度空間的矢量，而元組表示為每個(gè)屬性矢量的和矢量。同時(shí)，根據(jù)先驗(yàn)的領(lǐng)域相似信息，定義了標(biāo)準(zhǔn)屬性矢量距離及投影方法。然后根據(jù)相關(guān)度公式，將距離計(jì)算問題轉(zhuǎn)化為屬性矢量及其相互投影的公式。實(shí)驗(yàn)證明同未引入領(lǐng)域相似信息相比，分類精度有明顯提高。 4、提出了一

6、種新的基于概念認(rèn)知推理歸約高維數(shù)據(jù)的新方法。算法從先驗(yàn)的領(lǐng)域相似信息入手，根據(jù)概念認(rèn)知推理，得到標(biāo)準(zhǔn)屬性矢量距離及投影方法，然后根據(jù)屬性約減算法得到歸約結(jié)果。 5、依據(jù)概念相似度理論，實(shí)現(xiàn)了一種新的數(shù)據(jù)聚類算法-HDCA （Hierarchy Distance Computing based clustering Algorithin）。受靈長目動物對概念的分類分層次的認(rèn)知特點(diǎn)啟發(fā)，針對廣泛存在的層次編碼變量，提出了一種新的距離

7、處理方法。將層次編碼變量看做平衡樹的葉子節(jié)點(diǎn)，層次編碼變量間的距離理解為平衡樹上兩個(gè)葉子的最短路徑值。同時(shí)對k中心點(diǎn)聚類算法作了修改，提出針對層次編碼變量求取聚類中心點(diǎn)的快速算法。并從理論上和實(shí)驗(yàn)分別證明了HDCA算法的有效性和高效性。 6、將生物啟發(fā)計(jì)算技術(shù)和概念相似度理論相結(jié)合，提出了一種基于神經(jīng)網(wǎng)絡(luò)和屬性距離矩陣的數(shù)據(jù)歸約算法。根據(jù)先驗(yàn)的領(lǐng)域相似信息，定義了標(biāo)準(zhǔn)屬性矢量距離及投影方法，然后根據(jù)得到的屬性距離矩陣，構(gòu)建了一個(gè)

8、三層神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)，最終獲得高維數(shù)據(jù)屬性約減器。通過屬性約減器完成高維數(shù)據(jù)歸約。利用這個(gè)方法，作者成功實(shí)現(xiàn)了對中醫(yī)方劑功效的自動歸納，并取得良好效果。 7、將研發(fā)的生物啟發(fā)計(jì)算智能算法應(yīng)用到了警用流動人口分析系統(tǒng)中，采用特殊的分類器對旅店入住人員進(jìn)行分類，實(shí)現(xiàn)了對犯罪分子相關(guān)信息預(yù)測；采用層次聚類的方法對旅店入住人員進(jìn)行聚類，用于發(fā)現(xiàn)新的可能潛在的犯罪活動或恐怖活動的策劃團(tuán)體；采用特殊的孤立點(diǎn)分析方法對異常的流動人口