基于基因表达式编程抽取特征的分类算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (26): 28-33.

基于基因表达式编程抽取特征的分类算法

姜玥^1,2,唐常杰¹,吴江¹,叶尚玉¹,陈瑜¹

1.四川大学计算机学院,成都 610064
2.西南民族大学计算机科学与技术学院,成都 610041

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-11 发布日期:2007-09-11
通讯作者: 姜玥

New method for classification：extract features based on gene expression programming

JIANG Yue^1,2,TANG Chang-jie¹,WU Jiang¹,YE Shang-yu¹,CHEN Yu¹

1.College of Computer Science,Sichuan University,Chengdu 610064,China
2.College of Computer Science & Technology,Southwest University for Nationalities,Chengdu 610041,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-11 Published:2007-09-11
Contact: JIANG Yue

摘要/Abstract

摘要： 传统的基因表达式编程在解决多分类问题时,人为地把多分类转换成多次两分类。融合了K-最邻近分类和基因表达式编程两种技术,做了下列工作：（1）提出了基于基因表达式编程中的特征抽取,证明了特征抽取区多样性定理;（2）提出了特征的自动聚类策略和特征集的自动选择策略,用特征的聚类辅助对象的分类;（3）提出基于基因表达式编程的最邻近距离分类算法,用抽取出的特征采用最邻近距离分类算法进行多分类;（4）实验表明,采用基于基因表达式编程的最邻近距离分类算法,有效地解决了多分类问题,改善了分类性能,使平均分类正确率提高约4%～10%,用于分类的特征维数减少60%～79%。

关键词: 基因表达式编程, 多分类问题, 特征抽取

Abstract: Traditional gene expression programming method solves multi-classification by doing two-class classification in multi times.This paper fuses K-nearest neighbor classification algorithm and gene expression programming.The contributions of this paper include：（1）proposes the concepts of feature extraction based on gene expression programming,and proves the theorem of variety of feature extraction areas,（2）proposes automatic feature clustering strategy and automatic feature selection strategy to classify features using assistant object of clustering,（3）proposes K-nearest neighbor classification algorithm based on gene expression programming.It works successfully in multi-classification by applying KNN on features,（4）demonstrates effectiveness of new proposed GEP-KNN algorithm by extensive experiments in multi-classification task.The average classification accuracy is increased by about 4%～10% and the feature dimensions of classification is decreased by 60%～79%.

Key words: gene expression programming, multi-classification problem, feature extration

姜玥^1,2,唐常杰¹,吴江¹,叶尚玉¹,陈瑜¹. 基于基因表达式编程抽取特征的分类算法[J]. 计算机工程与应用, 2007, 43(26): 28-33.

JIANG Yue^1,2,TANG Chang-jie¹,WU Jiang¹,YE Shang-yu¹,CHEN Yu¹. New method for classification：extract features based on gene expression programming[J]. Computer Engineering and Applications, 2007, 43(26): 28-33.

[1]	张晓婷，何朗，黄樟灿，谈庆. 基于MFR-GEP的高阶常微分方程预测模型[J]. 计算机工程与应用, 2019, 55(21): 247-253.
[2]	郭勇1，张国锋1，刘丽萍2. 基因沉默机制的基因表达式编程[J]. 计算机工程与应用, 2018, 54(23): 131-136.
[3]	崔未，王卫华，黄樟灿，谈庆. 基于GEP算法的高阶常微分方程预测模型[J]. 计算机工程与应用, 2018, 54(18): 256-262.
[4]	张柯，张德平. 基于基因表达式编程的错误定位方法[J]. 计算机工程与应用, 2016, 52(9): 6-11.
[5]	万倬1，2，朱嘉钢1，2，陆晓2. 图像特征抽取的MDNIB2DPCA方法[J]. 计算机工程与应用, 2016, 52(9): 177-183.
[6]	王斌1，张迅2，盛津芳1，陈新3，史秀志3. 优化的GEP算法在爆破振动预测中的应用[J]. 计算机工程与应用, 2016, 52(22): 212-217.
[7]	陈威虎，向凌云. 基于开放读码框架的GEP遗传算子[J]. 计算机工程与应用, 2016, 52(18): 57-61.
[8]	朱明放1，2，叶飞跃1，2，丁小未2. 基于GEP的任务指派问题的求解算法[J]. 计算机工程与应用, 2014, 50(22): 50-53.
[9]	张国庆1，2，王正群2，王颖静2，徐伟2. 图像多模态扰动的人脸识别方法[J]. 计算机工程与应用, 2013, 49(7): 204-207.
[10]	薛寺中，陈秀宏. 基于一种改进的类内散布矩阵的核鉴别分析法[J]. 计算机工程与应用, 2013, 49(2): 181-183.
[11]	王晓1，何锫1，2. 一种新型GEP解码方法[J]. 计算机工程与应用, 2012, 48(3): 43-45.
[12]	柳益君，朱明放，习海旭，朱广萍，蒋红芬，陈丹. 基于最大隶属度原则的基因表达式编程分类[J]. 计算机工程与应用, 2012, 48(26): 48-52.
[13]	张小燕，胡昊，苏勇. 高维空间中针对离群点检测的特征抽取[J]. 计算机工程与应用, 2012, 48(22): 189-194.
[14]	刘祥涛1，2，刘书良3. NQPC：一种新型的基于查询日志的网页分类方法[J]. 计算机工程与应用, 2012, 48(11): 82-87.
[15]	莫海芳1，李康顺2. 基因表达式编程的一种新遗传算子[J]. 计算机工程与应用, 2011, 47(7): 23-24.