基于人工免疫系统的分类方法及其应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第1章 绪论 | 第12-18页 |
| ·研究背景 | 第12页 |
| ·人工免疫系统在数据挖掘中的研究概况 | 第12-13页 |
| ·人工免疫系统概述 | 第12-13页 |
| ·人工免疫系统在数据挖掘中的应用 | 第13页 |
| ·电信客户流失研究概括 | 第13-17页 |
| ·本文主要工作 | 第17页 |
| ·论文结构 | 第17-18页 |
| 第2章 基础知识 | 第18-32页 |
| ·免疫系统原理 | 第18-20页 |
| ·生物免疫系统及其功能 | 第18-19页 |
| ·免疫系统的主要特点 | 第19-20页 |
| ·人工免疫算法 | 第20-23页 |
| ·一般免疫算法 | 第20-22页 |
| ·克隆选择算法 | 第22-23页 |
| ·否定选择算法 | 第23页 |
| ·亲和力计算 | 第23-25页 |
| ·基于人工免疫系统的分类划分 | 第25页 |
| ·常用的分类算法 | 第25-31页 |
| ·贝叶斯方法 | 第26-27页 |
| ·决策树 | 第27-29页 |
| ·神经网络 | 第29-30页 |
| ·逻辑回归 | 第30页 |
| ·支持向量机 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第3章 一种改进的人工免疫分类算法 | 第32-39页 |
| ·引言 | 第32页 |
| ·IFRAIS 算法 | 第32-33页 |
| ·IRAA 算法 | 第33-36页 |
| ·IRAA 算法的抗原对抗体的连续覆盖过程 | 第34-35页 |
| ·IRAA 算法的抗体更新过程 | 第35页 |
| ·IRAA 算法的样本分类过程 | 第35-36页 |
| ·实验结果与分析 | 第36-37页 |
| ·IRAA 算法的几点讨论 | 第37-38页 |
| ·变异概率对IRAA 分类性能的影响 | 第37页 |
| ·IRAA 算法的样本分类过程的讨论 | 第37-38页 |
| ·小结 | 第38-39页 |
| 第4章 基于属性相关性的属性约简 | 第39-45页 |
| ·引言 | 第39页 |
| ·基于属性重要性的启发式约简算法 | 第39-41页 |
| ·基于分辨矩阵的属性约简算法 | 第41-43页 |
| ·一种基于属性相关性的的属性约简新算法 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第5章 客户流失预测系统的实现 | 第45-56页 |
| ·客户流失概述 | 第45-47页 |
| ·客户流失的定义 | 第45页 |
| ·客户流失的分类 | 第45-46页 |
| ·客户流失预测系统的总体架构 | 第46-47页 |
| ·数据准备 | 第47-52页 |
| ·数据选择 | 第47-50页 |
| ·数据预处理 | 第50-52页 |
| ·模型评估 | 第52-54页 |
| ·实验说明 | 第52页 |
| ·实验一 | 第52-53页 |
| ·实验二 | 第53-54页 |
| ·实验三 | 第54页 |
| ·模型的解释与应用 | 第54-55页 |
| ·小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 附录A 攻读硕士学位期间发表的论文 | 第62-63页 |
| 致谢 | 第63页 |
