基于RFID与基因表达式编程的经济统计时序挖掘  

RFID and Economy Statistical Time Sequence Data Mining Based on Gene Expression

作　　者：刘齐宏[1] 李天德[2] 周志斌[3] 易彬[4] 唐常杰[5] 刘齐巍[6] 

机构地区：[1]四川大学电气信息学院,四川成都610065 [2]四川大学经济学院,四川成都610064 [3]西南油气田分公司,四川成都610051 [4]泸州老窖股份有限公司,四川泸州646000 [5]四川大学计算机学院,四川成都610065 [6]四川大学公共管理学院,四川成都610064

出　　处：《四川大学学报（工程科学版）》2008年第5期121-124,共4页Journal of Sichuan University (Engineering Science Edition)

基　　金：国家自然科学基金资助项目(60473071);四川省科技攻关资助项目(2006Z01-027);四川省科技支撑计划资助项目(07GG006-025)

摘　　要：为解决基因表达式编程(GEP)在符号回归、RFID分类及经济领域中对时序数据的挖掘速度和精度还不够的问题,提出了统计基因、统计染色体和统计时序-适应度的定义,并针对传统GEP经济时序模型进行了综合改进;提出了新颖的单变量时序和多变量时序挖掘算法,提高了GEP统计时序挖掘的速度和精度;实验表明,与传统GEP、单变量GEP时序算法相比,多变量GEP时序算法挖掘速度快,其预测精度比单变量时序算法高出5%以上。该算法同样适用于RFID以及其他经济系统中的时序数据挖掘。In order to solve the problem that Gene Expression Programming(GEP) has not still turn up trumps to the mining rapidity and precision of RFID and Economy Statistical Time Sequence Data in symbol regression and class domain,the definition of Statistical-Gene,Statistical-Chromosome,Statistical-fitness and the integration amelioration to traditional GEP time Sequence model were proposed.The novel mining algorithm of single-variable and multi-variable time sequence mining algorithm were given to heighten the mi...

关 键 词：经济统计时序预测模型 单变量时序 多变量时序 GEP函数挖掘 

分 类 号：TP311.131[自动化与计算机技术—计算机软件与理论]