恶性黑色素瘤是一种致死率极高的皮肤癌，早期诊断能显著降低死亡率。许多计算机辅助诊断（CAD）系统作为第二诊断意见工具被开发出来，以协助皮肤科医生诊断恶性黑色素瘤。然而，传统CAD系统通常需要领域知识进行特征提取，而基于神经网络的CAD系统需要专业知识设计网络结构且往往可解释性较差。本文提出一种基于遗传规划（GP）的新型皮肤癌CAD系统，能够自动学习有效分类特征并具备强可解释性。该方法通过相对简单的程序结构、新型函数集和终端集，可自动演化变长度模型以提取描述皮肤癌症图像的信息化特征。

针对现有作物分类特征构建方法依赖领域知识且解可解释性不足的问题，该研究提出了一种基于多树遗传编程（GP）的新方法，旨在自动演化高可解释性的解，从高光谱图像中构建用于作物分类的高层特征。该方法通过多树灵活表示，可同时从原始特征构造多种类型的高层特征；为提升搜索能力，开发了新的后代生成方法，能动态引导种群进化并增强种群多样性。该新方法可与支持向量机（SVM）、朴素贝叶斯（NB）和k近邻（KNN）三种分类算法结合，应用于作物分类任务。