| 【中文题名】 | 人工免疫算法研究及其在数据挖掘上的应用 |
| 【英文题名】 | Artificial Immune Algorithm Research and Its Application in Data Mining |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-3-30 |
| 【中关键词】 | 人工免疫,数据挖掘,频繁项集,关联规则,特征提取, |
| 【英关键词】 | Artificial immune,data mining,frequent itemsets,associate rule,feature exaction, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 人工免疫是近几年在智能技术学科上新兴的研究领域。生物免疫是一个高度复杂自适应系统，具有学习、记忆和模式识别的能力。通过模拟和应用免疫系统的信息处理能力，可以解决许多科学和工程问题。本文利用免疫的有关概念和理论，先对免疫算法性能做分析，设计一个免疫算法求解TSP问题，验证基于免疫的算法有利于整体的相对稳定和性能的提高。在免疫算法理论基础上，本文进一步与数据挖掘结合，提出几个基于免疫的数据挖掘算法，主要在下面两个方面：
首先根据免疫策略，结合数据挖掘关联规则挖掘要求，提出一种全新的基于免疫的最大频繁项集挖掘算法。以往关联规则挖掘算法大部分围绕着Apriori算法或者FP算法的改进，本文从新一个角度理解频繁项集，再根据免疫策略，设计一个基于免疫的新算法搜索最大频繁项，从而开辟一条关联规则挖掘的新方法。仿真实验证明，与经典的Apriori算法相比，新算法有自己的优势，其复杂度与支持度和数据库总容量有关。仿真实验证明算法的有效性与可行性。
根据实际应用，针对金融数据挖掘这一热点，本文应用免疫算法，对金融信息卡数据挖掘，为特征属性提取建立模型。文中详细介绍了模型的建立步骤。其中关键是特征属性亲和度... |
| 【论文题纲】 |
|
中文摘要 |
2-3 |
|
Abstract |
3-6 |
|
第一章 绪论 |
6-19 |
|
1.1 引言 |
6 |
|
1.2 人工免疫 |
6-12 |
|
1.2.1 概述 |
6-7 |
|
1.2.2 人工免疫研究概况 |
7-10 |
|
1.2.3 人工免疫研究应用方向 |
10-12 |
|
1.3 数据挖掘概况 |
12-17 |
|
1.3.1 数据挖掘简史 |
12-13 |
|
1.3.2 数据挖掘定义 |
13-14 |
|
1.3.3 数据挖掘的任务模式 |
14-16 |
|
1.3.4 数据挖掘研究方向 |
16-17 |
|
1.4 本文研究目的和意义 |
17-19 |
|
1.4.1 研究内容 |
17-18 |
|
1.4.2 意义 |
18-19 |
|
第二章 生物免疫概念 |
19-24 |
|
2.1 生物免疫的发展历史 |
19-20 |
|
2.2 生物免疫的一些基本概念 |
20-21 |
|
2.3 生物免疫系统组成 |
21-22 |
|
2.4 生物免疫系统响应过程 |
22-24 |
|
第三章 免疫算法对TSP问题求解的性能分析 |
24-33 |
|
3.1 一般免疫算法简单分析 |
24-25 |
|
3.2 TSP问题的描述 |
25-26 |
|
3.3 基于免疫遗传算法的TSP问题求解 |
26-31 |
|
3.3.1 编码与适应度函数 |
26 |
|
3.3.2 初始化群体 |
26-27 |
|
3.3.3 抗原及记忆细胞获取 |
27 |
|
3.3.4 交叉算子 |
27-28 |
|
3.3.5 亲和突变 |
28-29 |
|
3.3.6 克隆选择机制 |
29-30 |
|
3.3.7 抗体抑制和促进 |
30-31 |
|
3.3.8 群体更新 |
31 |
|
3.4 实验结果 |
31-33 |
|
第四章 基于人工免疫的频繁模式挖掘 |
33-41 |
|
4.1 关联规则的挖掘模式 |
33-34 |
|
4.1.1 基本概念和问题描述 |
33 |
|
4.1.2 经典频集方法 |
33-34 |
|
4.2 基于免疫策略的频繁模式挖掘算法 |
34-37 |
|
4.2.1 基于免疫策略的频繁模式挖掘算法的动机 |
34-35 |
|
4.2.2 事务—项目集信息表 |
35-37 |
|
4.3 FDIA算法运行机制 |
37-38 |
|
4.4 抗原聚类算法 |
38 |
|
4.5 FDIA算法 |
38-39 |
|
4.6 算法分析和实验结果 |
39-41 |
|
第五章 信息卡特征提取的免疫算法 |
41-51 |
|
5.1 课题背景 |
41-43 |
|
5.2 国内外已有的系统及其技术 |
43 |
|
5.3 基于免疫算法的特征提取 |
43-49 |
|
5.3.1 评价函数 |
43-45 |
|
5.3.2 基于相关度的特征选择亲和力函数 |
45-46 |
|
5.3.3 特征提取的免疫算法的实现 |
46-49 |
|
5.4 实验结果 |
49-51 |
|
第五章 结论与展望 |
51-53 |
|
参考文献 |
53-56 |
|
致谢 |
56-57 |
|
个人简历 |
57 |
|
研究成果 |
57 |
|
攻读硕士学位期间发表的论文(第一作者) |
57 |
|
| 【DOI】 | LunWen.ID:2.2008.387263 |
