| 【中文题名】 | 人工免疫系统研究及其在数据聚类中的应用 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-11-5 |
| 【中关键词】 | 人工免疫系统,数据挖掘,聚类分析,免疫算法,, |
| 【英关键词】 | Artificial Immune System,Data Mining,Clustering Analysis,Immune Algorithm, |
| 【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】 |
生物免疫系统是一种高度并行的自适应信息学习系统，它能自适应地识别和排除侵入机体的抗原性异物，并且具有学习、记忆和自适应调节能力，能够维护机体内环境的稳定。近年来，人们逐渐意识到生物免疫机制对开发新的计算智能的启示意义，人工免疫系统(Artificial Immune System，AIS)即是受生物免疫系统启示而设计的新型算法和模型的统称，已经用于机器学习、异常和故障珍断、机器人行为仿真、机器人控制、网络入侵检测等领域，表现出较卓越的性能和效率，它已经成为计算智能大家庭的卓有成效的新成员。
但是由于人工免疫系统只是近些年发展起来的新的研究领域，虽然关于它的研究已被越来越多的人所重视，并逐渐成为关于新的进化计算和模式识别方法研究的一个热点，但是，整个研究工作仍然显得比较零乱，缺乏系统性，有些方法名为人工免疫方法，实质是对原有方法的改造，失去了应用免疫系统的意义；另外，对于人工免疫系统的模型和应用缺乏深入的探讨，许多模型和方法并未真正体现出人工免疫系统的应用特点。
并且近年来在人工免疫系统应用研究中，关于人工免疫系统应用于数据聚类方面的研究逐渐多起来，但是目前的人工免疫系统应用于数据聚类... |
| 【论文题纲】 |
|
摘要 |
3-5 |
|
ABSTRACT |
5-9 |
|
第一章 绪论 |
9-17 |
|
1.1 引言 |
9 |
|
1.2 人工免疫系统 |
9-12 |
|
1.2.1 概述 |
9-10 |
|
1.2.2 人工免疫研究概况 |
10-11 |
|
1.2.3 人工免疫研究应用方向 |
11-12 |
|
1.3 数据聚类的概况 |
12-14 |
|
1.3.1 聚类分析的定义 |
12-13 |
|
1.3.2 聚类算法概况 |
13-14 |
|
1.4 研究的目标和意义 |
14-15 |
|
1.5 本文研究的主要内容以及结构 |
15-17 |
|
第二章 人工免疫系统的一般模型框架 |
17-33 |
|
2.1 生物免疫系统的相关概念及特性机理 |
17-20 |
|
2.1.1 生物免疫系统的相关概念 |
17 |
|
2.1.2 抗体的基因型和表现型 |
17-18 |
|
2.1.3 免疫应答 |
18-19 |
|
2.1.4 联想记忆及再次应答 |
19 |
|
2.1.5 免疫调节及免疫网络 |
19-20 |
|
2.2 人工免疫系统现有算法研究 |
20-29 |
|
2.2.1 基于信息熵的免疫算法 |
21-23 |
|
2.2.2 免疫规划(immune programme,IP) |
23-24 |
|
2.2.3 免疫遗传算法 |
24-26 |
|
2.2.4 否定选择算法 |
26-27 |
|
2.2.5 人工免疫网络 |
27-29 |
|
2.3 人工免疫系统一般模型框架的提出 |
29-32 |
|
2.3.1 关于人工免疫系统的基础工作 |
29-30 |
|
2.3.2 人工免疫系统一般模型描述 |
30-32 |
|
2.4 本章小结 |
32-33 |
|
第三章 人工免疫系统聚类算法的分析 |
33-40 |
|
3.1 聚类分析的现有算法及其存在的问题 |
33-36 |
|
3.1.1 划分方法(Partitioning Method) |
33 |
|
3.1.2 层次方法(Hierarchical Method) |
33-34 |
|
3.1.3 基于密度的方法((Density-based Method) |
34 |
|
3.1.4 基于网格的方法(Grid-based Method) |
34-35 |
|
3.1.5 基于模型的方法(Model-based Method) |
35-36 |
|
3.2 人工免疫系统应用于数据聚类的典型算法详细分析 |
36-39 |
|
3.2.1 Jisys系统 |
36-37 |
|
3.2.2 RLAIS系统 |
37-38 |
|
3.2.3 aiNet聚类算法 |
38-39 |
|
3.3 本章小结 |
39-40 |
|
第四章 一种新的自适应的数据聚类算法 |
40-45 |
|
4.1 算法的准备工作 |
40-43 |
|
4.1.1 抗体和抗原 |
40 |
|
4.1.2 亲和力和相似度 |
40-41 |
|
4.1.3 抗体的克隆和变异 |
41-42 |
|
4.1.4 再选择和抑制 |
42-43 |
|
4.2 算法的实现 |
43-44 |
|
4.3 本章小结 |
44-45 |
|
第五章 仿真实验 |
45-51 |
|
5.1 算法的变量分析 |
45-48 |
|
5.1.1 抗原与抗体的刺激值sl的优化 |
45-46 |
|
5.1.2 网络抑制阈值σ_s的优化 |
46-47 |
|
5.1.3 抗原与抗体亲和力阈值σ_d的优化 |
47-48 |
|
5.2 仿真实验 |
48-50 |
|
5.3 实验结果分析 |
50-51 |
|
第六章 结论与展望 |
51-53 |
|
6.1 结论 |
51 |
|
6.2 展望 |
51-53 |
|
参考文献: |
53-59 |
|
攻读硕士学位期间撰写及发表论文情况 |
59-60 |
|
致谢 |
60-61 |
|
| 【DOI】 | LunWen.ID:2.2008.389199 |
