摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第9-15页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 人工免疫网络 | 第10-11页 |
1.2.2 多智能体进化模型与智能计算的发展 | 第11-13页 |
1.3 本论文的主要研究工作 | 第13-14页 |
1.4 本章小结 | 第14-15页 |
第2章 免疫网络原理及传统人工免疫网络算法 | 第15-22页 |
2.1 免疫网络原理 | 第15-17页 |
2.1.1 免疫应答机理 | 第15页 |
2.1.2 免疫网络假说 | 第15-17页 |
2.2 人工免疫网络 | 第17-21页 |
2.2.1 人工免疫网络基本框架模型 | 第17-19页 |
2.2.2 常见的人工免疫网络模型及aiNet | 第19-21页 |
2.3 本章小结 | 第21-22页 |
第3章 基于小生境及模糊先验提取的自适应免疫网络 | 第22-37页 |
3.1 前言 | 第22页 |
3.2 NFDA-aiNet的关键技术 | 第22-25页 |
3.2.1 基于模糊C-均值的训练样本划分及初始抗体获取 | 第22-24页 |
3.2.2 基于小生境技术的亲和度评价 | 第24-25页 |
3.3 算法过程及网络自适应分析 | 第25-30页 |
3.3.1 算法过程 | 第25-29页 |
3.3.2 网络自适应分析 | 第29-30页 |
3.4 仿真实验及分析 | 第30-36页 |
3.4.1 线性标准数据集测试结果 | 第30-32页 |
3.4.2 算法收敛性及聚类性能测试 | 第32-34页 |
3.4.3 基于小生境的适应值函数测试 | 第34页 |
3.4.4 调用FCM进行初始抗体集获取测试 | 第34-36页 |
3.5 本章小结 | 第36-37页 |
第4章 NFDA-aiNet收敛性分析及关键参数的设定 | 第37-43页 |
4.1 收敛性分析 | 第37-39页 |
4.1.1 进化算法的收敛性度量 | 第37-38页 |
4.1.2 NFDA-aiNet收敛性证明 | 第38-39页 |
4.2 关键参数及其设定 | 第39-42页 |
4.3 本章小结 | 第42-43页 |
第5章 融合多智能体技术的人工免疫网络数据分类方法 | 第43-57页 |
5.1 多智能体技术理论及特点 | 第43-47页 |
5.1.1 智能体的概念模型 | 第43-45页 |
5.1.2 多智能体系统 | 第45-46页 |
5.1.3 多智能体技术与人工免疫网络结合概述 | 第46-47页 |
5.2 基于人工免疫网络的多智能体数据挖掘方法aiMA | 第47-55页 |
5.2.1 采用的多智能体技术及结合机制 | 第47-49页 |
5.2.2 算法过程 | 第49-50页 |
5.2.3 实验仿真与分析 | 第50-55页 |
5.3 本章小结 | 第55-57页 |
第6章 总结与展望 | 第57-59页 |
6.1 本文的工作总结 | 第57-58页 |
6.2 展望 | 第58-59页 |
参考文献 | 第59-63页 |
致谢 | 第63-65页 |
个人简历、在校期间发表的学术论文与研究成果 | 第65页 |