| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·人工免疫系统 | 第9-12页 |
| ·概述 | 第9-10页 |
| ·人工免疫研究概况 | 第10-11页 |
| ·人工免疫研究应用方向 | 第11-12页 |
| ·数据聚类的概况 | 第12-14页 |
| ·聚类分析的定义 | 第12-13页 |
| ·聚类算法概况 | 第13-14页 |
| ·研究的目标和意义 | 第14-15页 |
| ·本文研究的主要内容以及结构 | 第15-17页 |
| 第二章 人工免疫系统的一般模型框架 | 第17-33页 |
| ·生物免疫系统的相关概念及特性机理 | 第17-20页 |
| ·生物免疫系统的相关概念 | 第17页 |
| ·抗体的基因型和表现型 | 第17-18页 |
| ·免疫应答 | 第18-19页 |
| ·联想记忆及再次应答 | 第19页 |
| ·免疫调节及免疫网络 | 第19-20页 |
| ·人工免疫系统现有算法研究 | 第20-29页 |
| ·基于信息熵的免疫算法 | 第21-23页 |
| ·免疫规划(immune programme,IP) | 第23-24页 |
| ·免疫遗传算法 | 第24-26页 |
| ·否定选择算法 | 第26-27页 |
| ·人工免疫网络 | 第27-29页 |
| ·人工免疫系统一般模型框架的提出 | 第29-32页 |
| ·关于人工免疫系统的基础工作 | 第29-30页 |
| ·人工免疫系统一般模型描述 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 人工免疫系统聚类算法的分析 | 第33-40页 |
| ·聚类分析的现有算法及其存在的问题 | 第33-36页 |
| ·划分方法(Partitioning Method) | 第33页 |
| ·层次方法(Hierarchical Method) | 第33-34页 |
| ·基于密度的方法((Density-based Method) | 第34页 |
| ·基于网格的方法(Grid-based Method) | 第34-35页 |
| ·基于模型的方法(Model-based Method) | 第35-36页 |
| ·人工免疫系统应用于数据聚类的典型算法详细分析 | 第36-39页 |
| ·Jisys系统 | 第36-37页 |
| ·RLAIS系统 | 第37-38页 |
| ·aiNet聚类算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 一种新的自适应的数据聚类算法 | 第40-45页 |
| ·算法的准备工作 | 第40-43页 |
| ·抗体和抗原 | 第40页 |
| ·亲和力和相似度 | 第40-41页 |
| ·抗体的克隆和变异 | 第41-42页 |
| ·再选择和抑制 | 第42-43页 |
| ·算法的实现 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 仿真实验 | 第45-51页 |
| ·算法的变量分析 | 第45-48页 |
| ·抗原与抗体的刺激值sl的优化 | 第45-46页 |
| ·网络抑制阈值σ_s的优化 | 第46-47页 |
| ·抗原与抗体亲和力阈值σ_d的优化 | 第47-48页 |
| ·仿真实验 | 第48-50页 |
| ·实验结果分析 | 第50-51页 |
| 第六章 结论与展望 | 第51-53页 |
| ·结论 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献: | 第53-59页 |
| 攻读硕士学位期间撰写及发表论文情况 | 第59-60页 |
| 致谢 | 第60-61页 |
