| 【中文题名】 | 免疫算法在数据挖掘中的应用研究 |
| 【英文题名】 | The Application Research of Immune Algorithm in Data Mining |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-2 |
| 【中关键词】 | 人工免疫系统,聚类分析,克隆选择算法,数据挖掘,, |
| 【英关键词】 | artificial immune system,clustering,clone selection algorithm,data mining, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机软件>程序设计、软件工程>程序设计 |
| 【论文摘要】 |
人工免疫系统(Artificial Immune System，AIS)是根据生物免疫系统中独特的信息处理机制而研究和设计的模型和算法，进而应用于解决各种复杂问题。AIS作为智能计算研究的一个崭新分支，已在数据挖掘、信息安全、机器学习、自动控制、故障诊断等诸多领域显示出强大的信息处理和问题求解能力以及广阔的应用前景。AIS模型在数据挖掘任务中的研究目前主要集中在数据聚类分析、数据浓缩和分类任务等方面。
De Castro和Von Zuben依据克隆选择的基本原理提出的克隆选择算法继承了生物免疫系统的众多属性，如具有自组织、自学习、自识别和自记忆等能力。它能够解决复杂的机器学习任务，如模式识别和多模式优化等。本文的工作吸收了克隆选择免疫算法的灵感，并结合层次聚类的思想，提出一种动态聚类分析方法。该算法无需先验知识，首先初始化与抗原相同规模的抗体，然后根据亲和力进行抗原识别、抗体抑制，完成一轮聚类；再利用aiNET免疫网络模型动态确定聚类后的抗体的变异方向，实施强目的性变异，其变异率反比例于进化代数动态调节，变异后相似的抗体进一步合并；如此反复直到满足终止条件。这样的操作在进化初期能提供足够的变... |
| 【论文题纲】 |
|
摘要 |
2-3 |
|
ABSTRACT |
3-5 |
|
目录 |
5-7 |
|
第1章 绪论 |
7-21 |
|
1.1 数据挖掘技术产生的背景 |
7-10 |
|
1.1.1 数据挖掘技术的商业需求分析 |
7-9 |
|
1.1.2 数据挖掘产生的技术背景分析 |
9-10 |
|
1.2 数据挖掘的定义 |
10-12 |
|
1.3 数据挖掘的功能和技术 |
12-15 |
|
1.3.1 数据挖掘的功能 |
12-13 |
|
1.3.2 数据挖掘的常用技术 |
13-15 |
|
1.4 数据挖掘的应用 |
15-16 |
|
1.5 聚类分析 |
16-19 |
|
1.5.1 聚类的定义 |
16-17 |
|
1.5.2 主要聚类方法的分类 |
17-19 |
|
1.5.3 聚类的研究现状与存在的问题 |
19 |
|
1.6 本文的主要研究工作 |
19-21 |
|
第2章 人工免疫系统 |
21-34 |
|
2.1 生物免疫系统 |
21-23 |
|
2.1.1 免疫理论的发展 |
21-22 |
|
2.1.2 生物免疫系统 |
22-23 |
|
2.2 人工免疫系统概述 |
23-26 |
|
2.2.1 人工免疫系统产生背景 |
24 |
|
2.2.2 免疫系统开发应用原理 |
24-26 |
|
2.3 免疫算法 |
26-29 |
|
2.3.1 一般免疫算法 |
27-28 |
|
2.3.2 阴性选择算法 |
28 |
|
2.3.3 免疫遗传算法 |
28-29 |
|
2.4 AIS的应用 |
29-34 |
|
2.4.1 AIS在数据挖掘中的应用 |
29-31 |
|
2.4.2 AIS的其它应用 |
31-32 |
|
2.4.3 小结 |
32-34 |
|
第3章 AIS在聚类分析中的应用研究 |
34-44 |
|
3.1 引言 |
34-35 |
|
3.2 克隆选择算法 |
35-37 |
|
3.3 基于克隆选择的动态聚类算法 |
37-43 |
|
3.3.1 抗原识别与抗体初始化 |
38 |
|
3.3.2 亲和力计算和抗原捕获 |
38-40 |
|
3.3.3 抗体抑制 |
40-42 |
|
3.3.4 克隆选择与变异 |
42-43 |
|
3.4 算法性能分析 |
43 |
|
3.5 小结 |
43-44 |
|
第4章 仿真实验与结果分析 |
44-52 |
|
4.1 仿真实验 |
44-46 |
|
4.2 结果评价标准 |
46-48 |
|
4.2.1 一般性准则 |
46-47 |
|
4.2.2 错误聚类率 |
47-48 |
|
4.3 结果分析 |
48-50 |
|
4.4 与其它算法比较 |
50 |
|
4.5 小结 |
50-52 |
|
第5章 结论与展望 |
52-54 |
|
参考文献 |
54-57 |
|
致谢 |
57-58 |
|
攻读硕士学位期间发表的学术论文 |
58 |
|
| 【DOI】 | LunWen.ID:2.2008.389139 |
