导读:本文包含了基因表达式论文开题报告文献综述及选题提纲参考文献，主要关键词:地铁隧道土建工程,特征因素,造价预测,GEP模型
基因表达式论文文献综述
王杰,卢毅[1]（2019）在《基于基因表达式编程的地铁隧道土建工程造价估算》一文中研究指出为了能在地铁建设工程前期获取可靠的投资估算,以便供项目决策及控制项目造价参考,本研究在分析总结地铁隧道土建工程结构的相关特征的基础上,利用基因表达式编程强大的函数挖掘能力,找出影响地铁隧道土建造价的不确定因素与其延米造价之间的非线性关系,来构建预测模型估算车站区间隧道土建造价,进而估算整条地铁线路隧道部分土建工程的造价。选取16组典型工程数据作训练样本和验证样本,设定好GEP算法的构成要素后,通过Matlab2016b编写算法程序求解该预测模型,经过多次计算,挖掘出适应度值为1 214.04的较好拟合函数。实例结果表明,该预测模型所得结果与实际值相对误差≤7.78%,满足预测精度≤10%的要求,并且通过GEP预测模型与ANN模型对比研究发现,GEP预测模型的验证样本预测结果拥有更好的预测精度。(本文来源于《长沙理工大学学报(自然科学版)》期刊2019年03期）
李红亚,彭昱忠,邓楚燕,龚道庆[2]（2019）在《多细胞基因表达式编程和小波分析的降水预测》一文中研究指出准确、及时的降水预测为地区水资源的开发管理、洪涝灾害防控及对人们的日常活动和生产计划非常重要,但是降水数据的非线性、非平稳性特点,以及噪声问题严重影响预测精度。本文将具有较强函数挖掘能力的多细胞基因表达式编程与具有较强去噪和提取数据细微特征能力的小波分析相结合进行降水预测建模,提出了WTGEPRP算法对气象降水进行预测。郑州、南宁、澳大利亚墨尔本叁组真实的降水数据进行模拟的比较结果表明:WTGEPRP算法拟合和预测的性能比基于EMD和多细胞GEP的降水预测算法、支持向量回归机、BP神经网络、多细胞基因表达式编程、基因表达式编程等算法的性能好,具有较好的应用前景。(本文来源于《计算机仿真》期刊2019年08期）
李煜林[3]（2019）在《基因表达式编程在矿山地表变形预测中的应用研究》一文中研究指出根据基因表达式编程方法,利用其强大的数据挖掘和函数发现能力建立矿山地表变形预测模型,将模型预测结果与传统的GM(1,1)预测模型预测结果对比分析,实验表明,基于GEP算法矿山地表变形预测模型的预测精度也优于传统的GM(1,1)预测模型。(本文来源于《科学技术创新》期刊2019年08期）
李煜林[4]（2019）在《基于小生境技术的改进基因表达式编程算法的研究》一文中研究指出提出一种改进的基因表达式编程方法,针对传统基因表达式编程容易出现过早收敛或者陷入局部收敛,进化后期种群多样性软弱及遗传操作随机性大等问题,加入小生境技术对算法进行改进。实验表明,改进的GEP算法能够克服传统GEP算法的不足。(本文来源于《科技创新与应用》期刊2019年07期）
陈阳,逯进,郭志仪[5]（2019）在《基于基因表达式编程的中国劳动力质量空间差异预测》一文中研究指出基于基因表达式编程(GEP)算法,预测了2016～2035年中国30省的劳动力质量趋势,并由此探究未来中国劳动力质量的空间差异演化特征。研究表明:自"十叁五"时期开始,中国东部、东北、中部、西部的劳动力质量将普遍提高,但某些省份20年后仍不能达到目前东部的平均水平。与此同时,劳动力质量的空间差异先下降后回升,区域内差异持续高于区域间差异。未来东部环渤海、长叁角省份劳动力质量提升后劲十足,但东部空间差异持续偏高;东北和中部将改变普遍偏低态势,区域内有望产生劳动力质量"增长极";西部劳动力质量提升明显,从而空间差异波动下降。因此,普及高中阶段教育的决策恰逢其时,以此为契机能够有效提升未来劳动力质量并降低其空间差异,从而助力供给侧结构性改革的深入推进,推动新时代中国经济发展顺利转型。(本文来源于《西北人口》期刊2019年02期）
鄢靖丰[6]（2018）在《基因表达式程序设计在宏观经济预测中的应用》一文中研究指出介绍了GEP算法的实现过程,并对其常数创建方法进行了局部改进.为了验证本文算法的性能,将算法应用于宏观经济的预测问题建模上,实验结果表明,算法都能自动找到较好的模型,而且拟合误差较小.(本文来源于《许昌学院学报》期刊2018年12期）
贾新宇,李婷婷,江朝晖,刘海秋,饶元[7]（2019）在《基因表达式编程优化的色调保持低照度图像增强》一文中研究指出提出了一种基因表达式编程寻优的色调对比度增强算法。选用多幅低照度图像作为参考图像,将该方法与自适应直方图均衡化、同态滤波、多尺度Retinex和带颜色恢复的多尺度Retinex等方法的实验结果进行了比较。所提算法的峰值信噪比、结构相似度和基于局部方差质量指数的平均值分别为25.93、0.75和0.87,均优于其他算法,在主观上亮度和对比度都更自然,更符合人眼视觉特性。该算法可广泛适用于低照度环境下的机器视觉领域。(本文来源于《激光与光电子学进展》期刊2019年09期）
罗哲恒,佟凡,赵东升[8]（2018）在《一种集成深度神经网络和正则表达式的基因变异命名实体识别算法》一文中研究指出目的基因变异命名实体的自动化正确识别是从生物医学文献中挖掘基因-变异-疾病关系知识的重要基础。该文提出一种以深度神经网络为主、结合维特比解码和正则表达式的组合算法,用于识别基因变异命名实体。方法受单词分布式表示的启发,提出一种深度分词策略,即以字母的大小写、数字和特殊符号将单词分开来捕捉变异名称中各部分的结构信息,其中最小的分词单位定义为token;使用Glo Ve训练深度分词的token向量,一个单词的全部token向量用于训练该单词的词向量。以句子的词向量序列为输入,利用一个双向长短期记忆网络(Bi-LSTM)学习变异名称的一般形式并捕捉上下文信息,后接一个全联接层以提高拟合能力,得到词的标签概率序列作为初步输出;随后采用维特比算法对初步输出进行优化,最后增加正则表达式匹配的结果完成识别。结果该算法经在NCBI tm Var语料库上训练和测试,取得了91. 59%的F1值,高于目前国际上已公开报道的识别系统。结论该算法避免了复杂的人工特征工程并表现出优越的性能,可用于快速定位生物医学文本中的变异实体,为进一步的关系抽取研究打下基础。(本文来源于《军事医学》期刊2018年11期）
张维程[9]（2018）在《嵌合遗传算法和Spark的基因表达式编程的函数发现研究》一文中研究指出随着社会的进步和科学技术的发展,IT技术相关的各个行业都呈现出高速发展,与其相关的海量信息也迎面而来,如何从海量的数据信息中提取有用的信息,进而更好帮助我们预测和指导相关的实践工作,是当前面临的一大困境。函数发现是数据挖掘的重要分支之一,其存在目的就是对海量数据进行处理,最终发现其中存在的规律和变化趋势,形成一种函数模型。本文主要研究基因表达式编程(GEP)在函数发现中的应用。GEP是Ferreira在继承遗传算法(GA)和遗传编程(GP)的基础上提出的第叁类新型进化算法,它集中了GA和GP的优点,并且克服了不足之处,最终实现通过简单的编码解决现实生活中复杂问题的目的,更适合函数发现方面的应用。函数发现问题归根结底可理解为通过优化分析,最终得出与原函数拟合度最高的函数,其中,数值常量的处理方式是决定GEP算法能否很好解决函数发现问题的重要因素之一。本文提出了一种嵌合遗传算法的基因表达式编程的函数发现算法(GEP-GA),该算法改进之处就在于提出了一种新的常量优化方法。在函数发现过程中分别通过两种措施对每一代的优化过程进行处理:首先,在固定常量集前提下,由常规的GEP算法确定函数结构;其次,使用GA对第一阶段得出的函数结构的常量进行优化,并将优化后得到的常量做为下一代的固定常量。实验结果表明,GEP-GA比以往指定常量的常量处理方法(GEP-MC)效果有较大提升,并且更加智能化。GEP-GA在解决函数发现问题的时候,随着问题规模的增大和函数复杂度的提升,GA在全局搜索优化方面渐渐的表现出一些缺陷,例如,搜索速度比较慢、进化时间长、局部的搜索能力也变得越来越差等等。如何解决GA在实际问题中存在的缺陷是近几年来研究者们广泛关注的焦点。面对以上问题,本文充分利用遗传算法天然的并行性,将Spark集群的高速并行性和遗传算法天然的并行性相结合。实验结果表明,Spark的加入减少了GA未成熟收敛的可能性,提高了求解质量,在加快搜索速度、减少进化时间、提高局部搜索能力等方面更是表现出很好的效果。(本文来源于《南昌大学》期刊2018-06-02）
李红亚[10]（2018）在《基于多细胞基因表达式编程和时频分析方法的降水建模预测》一文中研究指出降水是在多种因素共同影响下产生的重要气候现象,是大气循环的重要组成部分,随着全球变暖,各种不合理人类活动的加深,降水突变现象时有发生,其规律性越来越让人难以捉摸。而准确、及时的降水预测为地区水资源的开发管理以及预防洪涝灾害提供参考,对人们的日常活动和生产计划非常重要。但降水数据在不同影响因子共同作用下呈现非线性、非平稳性特性,并且在降水数据采集过程中或多或少的伴随一定的噪声,致使降雨预测困难,传统方法的预测效果难以满足社会大众的期望。随着人类对气象研究的重视,以及数据挖掘、智能计算理论和技术的提出和发展,越来越多的智能计算和数据挖掘技术被用来解决降雨预测问题,并且表现出比传统算法更好的效果。目前,广泛应用在降水建模预测中的神经网络方法和支持向量机算法可以对降水数据各影响要素之间的复杂关系进行有效的描述,但算法本身的结构和参数选定很难进行统一化,需要根据程序员的经验来选择确定,算法计算量又非常大,不利于大容量样本的训练学习;具有强大回归分析能力的基因表达式编程(GEP)算法对降雨量的预测则是直接作用于降雨量序列本身,对降雨量序列复杂的时频成分及不同降雨量的时频差异并没有过多关注,严重降低了降雨预测的效果。现实工程技术领域对于非线性、非平稳数据的处理很多都是采用时频分析方法,经验模态分解(EMD)和小波分析都是当前有效处理非线性和非平稳数据、消除噪声的时频分析方法。本文试图分别用EMD和小波分析与具有极强符号回归分析能力的多细胞基因表达式编程算法(MC_GEP)进行融合建模预测降水数据,提出基于EMD和MC_GEP的降水预测算法EMGEP2RP和基于小波分析和MC_GEP的降水预测算法WTGEPRP,对降水数据先经过时频分析后再进行GEP建模预测,以提高降水预测模型的有效性和精度。本文主要的研究工作:(1)首先提出了基于MC_GEP和EMD的降水建模预测算法EMGEP2RP。用EMD方法,依据数据信号自身的极值特征尺度作为度量,将原本复杂的、难以挖掘规律的数据信号自适应的分解成多个平稳、易于观察的分量之和的形式,再分别通过MC_GEP滑动窗口建模拟合预测,用郑州、南宁、澳大利亚墨尔本叁组真实的降水数据进行模拟实验,以RMSE和MAE作为评价指标,结果表明:EMGEP2RP算法拟合和预测的效果比SVM、MC_GEP、BP、GEP都好,算法的预测精度有所提高。(2)其次提出了基于MC_GEP和小波分析结合的降水预测算法WTGEPRP。小波分析是对数据的时间——尺度分析的一种有效方法,其具有窗口面积大小不会改变,时间、频率窗可以改变的特点,能将原始降雨数据分解成更小频率之和的形式,便于更为细微地观察信号。同样以郑州、南宁、澳大利亚墨尔本叁组降水数据作为模拟实验的数据,在四组不同小波基的所有分解层数下分别进行实验,结果表明:当WTGEPRP选择恰当的小波基和分解层数时,拟合和预测RMSE和MAE评价指标明显小于EMGEP2RP算法,拟合和预测效果更好、预测精度更高。(本文来源于《广西师范学院》期刊2018-06-01）
基因表达式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
准确、及时的降水预测为地区水资源的开发管理、洪涝灾害防控及对人们的日常活动和生产计划非常重要,但是降水数据的非线性、非平稳性特点,以及噪声问题严重影响预测精度。本文将具有较强函数挖掘能力的多细胞基因表达式编程与具有较强去噪和提取数据细微特征能力的小波分析相结合进行降水预测建模,提出了WTGEPRP算法对气象降水进行预测。郑州、南宁、澳大利亚墨尔本叁组真实的降水数据进行模拟的比较结果表明:WTGEPRP算法拟合和预测的性能比基于EMD和多细胞GEP的降水预测算法、支持向量回归机、BP神经网络、多细胞基因表达式编程、基因表达式编程等算法的性能好,具有较好的应用前景。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
基因表达式论文参考文献
[1].王杰,卢毅.基于基因表达式编程的地铁隧道土建工程造价估算[J].长沙理工大学学报(自然科学版).2019
[2].李红亚,彭昱忠,邓楚燕,龚道庆.多细胞基因表达式编程和小波分析的降水预测[J].计算机仿真.2019
[3].李煜林.基因表达式编程在矿山地表变形预测中的应用研究[J].科学技术创新.2019
[4].李煜林.基于小生境技术的改进基因表达式编程算法的研究[J].科技创新与应用.2019
[5].陈阳,逯进,郭志仪.基于基因表达式编程的中国劳动力质量空间差异预测[J].西北人口.2019
[6].鄢靖丰.基因表达式程序设计在宏观经济预测中的应用[J].许昌学院学报.2018
[7].贾新宇,李婷婷,江朝晖,刘海秋,饶元.基因表达式编程优化的色调保持低照度图像增强[J].激光与光电子学进展.2019
[8].罗哲恒,佟凡,赵东升.一种集成深度神经网络和正则表达式的基因变异命名实体识别算法[J].军事医学.2018
[9].张维程.嵌合遗传算法和Spark的基因表达式编程的函数发现研究[D].南昌大学.2018
[10].李红亚.基于多细胞基因表达式编程和时频分析方法的降水建模预测[D].广西师范学院.2018