- 相關(guān)推薦
基于RFID與基因表達式編程的經(jīng)濟統計時(shí)序挖掘
摘要：為解決基因表達式編程(GEP)在符號回歸、RFID分類(lèi)及經(jīng)濟領(lǐng)域中對時(shí)序數據的挖掘速度和精度還不夠的問(wèn)題，提出了統計基因、統計染色體和統計時(shí)序一適應度的定義，并針對傳統GEP經(jīng)濟時(shí)序模型進(jìn)行了綜合改進(jìn);提出了新穎的單變量時(shí)序和多變量時(shí)序挖掘算法，提高了GEP統計時(shí)序挖掘的速度和精度;實(shí)驗表明，與傳統GEP、單變量GEP時(shí)序算法相比，多變量GEP時(shí)序算法挖掘速度快，其預測精度比單變量時(shí)序算法高出5%以上。該算法同樣適用于RFID以及其他經(jīng)濟系統中的時(shí)序數據挖掘。
關(guān)鍵詞：經(jīng)濟統計時(shí)序預測模型;單變量時(shí)序;多變量時(shí)序;GEP函數挖掘
GEP經(jīng)濟統計時(shí)序挖掘算法涉及到時(shí)序基因、時(shí)序染色體和適應度函數等概念，作者提出的GEP時(shí)序挖掘模型是針對歷年的經(jīng)濟統計時(shí)序數據，例如對成都市國民經(jīng)濟和社會(huì )發(fā)展總量與速度等經(jīng)濟指標時(shí)間序列進(jìn)行預測。針對經(jīng)濟統計時(shí)序數據特點(diǎn)，在傳統GEP概念的基礎上¨。J，提出了Statisti.cal—C,ene、和Statistical—Fitness等新概念和技術(shù)。
1、問(wèn)題描述
為了形式化描述GEP時(shí)間序列的統計指標序列數據對象，引入下列定義：
定義l GEP時(shí)序中的統計基因是一個(gè)5元組。
定義2統計時(shí)序一適應度。
2、統計數據的時(shí)序GEP算法
目前GEP與遺傳算法和遺傳編程一樣，還存在未成熟收斂和收斂精度差的難題m 8l。為解決其精度差問(wèn)題，對GEP時(shí)間序列模型進(jìn)行了綜合改進(jìn)。
1)GEP浮點(diǎn)數系數編碼在GEP算法中，對于數值編碼采用了浮點(diǎn)數編碼的方法。經(jīng)過(guò)實(shí)際應用，發(fā)現浮點(diǎn)數編碼能提高了GEP運算效率，適合精度較高應用。
2)改進(jìn)了適應度函數設計在統計學(xué)中，R2是用于表示非線(xiàn)性模型的重要指標，用于評價(jià)兩組數據符合程度的方法更多的是采用相關(guān)系數。
3)GEP多變量經(jīng)濟時(shí)序挖掘預測算法在統計系統中，其多個(gè)統計變量存在相互影響，因此提出了多維指標的時(shí)間序列預測式挖掘。
4)實(shí)驗與性能分析1)數據來(lái)源原始數據來(lái)源于(2006成都統計年鑒》，選擇了影響GDP增長(cháng)的6個(gè)指標，建立合適的數學(xué)模型并預測2003，2004，2005年的GDP。計算得出平均擬合相對誤差是0.1579%，平均預測相對誤差是一0.09105%。得到模型的擬合/預測精度比單變量的GEP算法高于5%以上。
3、結論
根據經(jīng)濟領(lǐng)域中統計數據挖掘對預測國民經(jīng)濟GDP數據的特點(diǎn)，提出了新穎的經(jīng)濟統計時(shí)序GEP函數挖掘與預測方法和技術(shù)。主要貢獻如下：針對多變量時(shí)間序列中各因素之間存在著(zhù)一定的相關(guān)性，所觀(guān)測到的時(shí)序在一定程度上反映的信息有所重疊，提出了基于GEP的多變量時(shí)序預測模型。通過(guò)主成分分析方法對影響時(shí)間序列的諸多因素進(jìn)行成分約簡(jiǎn)，提取影響因子大的幾個(gè)綜合指標作為輸入變量，提高了GEP時(shí)序挖掘的效率和準確率。通過(guò)實(shí)驗證明，以同一批真實(shí)宏觀(guān)的國民經(jīng)濟統計年鑒GDP數據為研究對象，以后面年度GDP數據為預測目標，分別建立單變量預測模型和多變量預測模型，然后在不同的經(jīng)濟預測模型上進(jìn)行仿真挖掘預測。通過(guò)實(shí)驗結果和相關(guān)性能指標的對比分析，證明多變量GEP經(jīng)濟統計時(shí)序預測模型的擬合/預測要比單變量GEP算法的預測精度提高了5%以上。該方法同樣適用于RFID應用系統的時(shí)序數據挖掘。
參考文獻：
[1]賈曉斌，唐常杰，左劫，等.基于基因表達式編程的頻繁函數集挖掘[J].計算機學(xué)報，2005，28(8)：1247—1254
[2]元昌安，唐常杰，溫遠光，等.基于基因表達式編程的智能模型庫系統的實(shí)現[J].四川大學(xué)學(xué)報：工程科學(xué)版，2005，37(3)：99—104.
[3]黃曉冬，唐常杰，普東航，等.基于基因表達式編程的函數關(guān)系發(fā)現方法[J].計算機科學(xué)，2003，30(增刊)：278—182.
[4]鐘義嘯，唐常杰，陳宇，等.提高基因表達式編程發(fā)現知識效率的回溯策略[J].四川大學(xué)學(xué)報：自然科學(xué)版，2006，43(2)：299—304.(1)：128—133.
[5]胡建軍，唐常杰，彭京，等.快速跳出局部最優(yōu)的VPS.GEP算法[J].四川大學(xué)學(xué)報：工程科學(xué)版，2007，39(1)：128—133.
[6]彭京，唐常杰，李川，等.MGEP：基于多層染色體基因表達式編程的遺傳進(jìn)化算法[J].計算機學(xué)報，2005，28(9)：1459—1466.
[7]劉齊宏，唐常杰，胡建軍，等.多樣性制導分段進(jìn)化的基因表達式編程[J].四川大學(xué)學(xué)報：工程科學(xué)版，2006，38(6)：108—113.
【基于RFID與基因表達式編程的經(jīng)濟統計時(shí)序挖掘】相關(guān)文章：
基于RFID的石油運輸車(chē)閥門(mén)監控裝置的研究10-24
談基于RFID技術(shù)的供應鏈協(xié)同商務(wù)管理09-24
基于聚類(lèi)分析的數據挖掘方法06-27
基于數據挖掘的成績(jì)分析系統10-10
基于數據挖掘技術(shù)的交叉銷(xiāo)售分析09-27
基于數據挖掘的網(wǎng)絡(luò )入侵檢測技術(shù)05-16
基于分類(lèi)技術(shù)的Blog用戶(hù)興趣挖掘08-18
基于Mschart的數據庫圖表應用編程09-19