| 论文创新点 | 第6-7页 |
| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 引言 | 第15-16页 |
| 1.2 计算机免疫系统的重要性 | 第16-19页 |
| 1.2.1 计算机免疫系统的概述 | 第16-17页 |
| 1.2.2 计算机免疫系统的优势 | 第17页 |
| 1.2.3 计算机免疫系统的应用领域 | 第17-19页 |
| 1.3 论文的研究动机 | 第19-22页 |
| 1.3.1 计算机先天/适应性免疫层模型的特点及局限 | 第19-20页 |
| 1.3.2 计算机免疫中先天层与适应性层协同模型的优势 | 第20-21页 |
| 1.3.3 现有计算机免疫层间协同模型有待改进的关键问题 | 第21-22页 |
| 1.4 本文的研究目标及内容 | 第22-23页 |
| 1.4.1 本文的研究目标 | 第22页 |
| 1.4.2 本文的研究内容 | 第22-23页 |
| 1.5 论文的组织 | 第23-25页 |
| 第二章 计算机免疫系统及其免疫学基础 | 第25-56页 |
| 2.1 生物免疫学基础 | 第25-33页 |
| 2.1.1 生物免疫学概述 | 第25-26页 |
| 2.1.2 生物免疫系统的层次性 | 第26-27页 |
| 2.1.3 生物免疫应答类型 | 第27-33页 |
| 2.1.3.1 先天免疫层应答 | 第27-29页 |
| 2.1.3.2 适应性免疫层应答 | 第29-32页 |
| 2.1.3.3 先天与适应性免疫层协同应答 | 第32-33页 |
| 2.2 可供计算机免疫借鉴的生物免疫应答模式 | 第33-39页 |
| 2.2.1 单一信号模式(自身-异己免疫模式) | 第33-34页 |
| 2.2.2 协同刺激与INS模式 | 第34-36页 |
| 2.2.3 危险理论模式 | 第36-39页 |
| 2.3 计算机免疫系统的研究概况 | 第39-44页 |
| 2.3.1 计算机免疫系统的发展历程 | 第39-40页 |
| 2.3.2 计算机免疫系统的研究思路 | 第40-41页 |
| 2.3.3 计算机免疫系统的研究热点 | 第41-44页 |
| 2.4 计算机免疫系统的研究现状 | 第44-55页 |
| 2.4.1 计算机先天免疫模型及其局限 | 第44-46页 |
| 2.4.2 计算机适应性免疫模型及其局限 | 第46-51页 |
| 2.4.3 计算机先天与适应性免疫模型及其局限 | 第51-55页 |
| 2.5 本章小结 | 第55-56页 |
| 第三章 计算机免疫中先天层与适应性层协同模型 | 第56-107页 |
| 3.1 危险理论下的先天与适应性免疫协同应答机制 | 第56-59页 |
| 3.2 相关重要符号含义 | 第59-60页 |
| 3.3 模型总体结构 | 第60-64页 |
| 3.3.1 模型的基本架构及定义 | 第60-63页 |
| 3.3.2 模型的算法执行流程 | 第63-64页 |
| 3.4 危险信号航原的定义 | 第64-65页 |
| 3.5 基于人工APC细胞群体的危险感知层 | 第65-79页 |
| 3.5.1 危险感知层的组成 | 第66-67页 |
| 3.5.2 人工APC细胞群体 | 第67-68页 |
| 3.5.3 信号采集及抗原捕获 | 第68-71页 |
| 3.5.4 信号及抗原再表达 | 第71-73页 |
| 3.5.5 危险信号评估 | 第73-74页 |
| 3.5.6 对免疫响应层的协同刺激/抗原提呈 | 第74-78页 |
| 3.5.7 细胞群体的更新 | 第78-79页 |
| 3.6 基于人工淋巴细胞群体的免疫响应层 | 第79-98页 |
| 3.6.1 免疫响应层的组成 | 第80-81页 |
| 3.6.2 人工淋巴细胞群体 | 第81-83页 |
| 3.6.3 细胞群体的生成 | 第83-85页 |
| 3.6.4 细胞群体的检测 | 第85-89页 |
| 3.6.5 细胞群体的更新 | 第89-96页 |
| 3.6.6 结果评价方法 | 第96-97页 |
| 3.6.7 对危险感知层的反馈调整 | 第97-98页 |
| 3.7 危险感知层与免疫响应层之间的协同机制 | 第98-106页 |
| 3.7.1 细胞行为指导策略 | 第98-104页 |
| 3.7.2 结果反馈调整方案 | 第104-106页 |
| 3.8 本章小结 | 第106-107页 |
| 第四章 基于人工APC细胞群体的危险信号表达 | 第107-129页 |
| 4.1 危险信号表达在人工APC研究中的重要性 | 第107-108页 |
| 4.2 树突状细胞算法 | 第108-117页 |
| 4.2.1 树突状细胞算法的生物学基础 | 第108-110页 |
| 4.2.2 树突状细胞算法 | 第110-115页 |
| 4.2.3 算法中危险信号表达方法的不足 | 第115-117页 |
| 4.3 基于变化检测的危险信号表达 | 第117-122页 |
| 4.3.1 危险信号的数据源 | 第117-118页 |
| 4.3.2 有关的数学理论基础 | 第118-120页 |
| 4.3.3 危险信号的表达 | 第120-122页 |
| 4.4 改造后的树突状细胞算法 | 第122-126页 |
| 4.4.1 改造要点 | 第123页 |
| 4.4.2 改造后的树突状细胞算法 | 第123-126页 |
| 4.5 有效性验证实验的结果及分析 | 第126-127页 |
| 4.6 本章小结 | 第127-129页 |
| 第五章 计算机免疫层间协同模型实验设计及结果分析 | 第129-158页 |
| 5.1 实验系统基本组成结构 | 第129-133页 |
| 5.1.1 实验系统的软件结构 | 第129-130页 |
| 5.1.2 实验系统控制流程 | 第130-133页 |
| 5.2 实验系统具体实现 | 第133-150页 |
| 5.2.1 人工DC群体功能实现 | 第137-144页 |
| 5.2.2 人工T细胞群体功能实现 | 第144-150页 |
| 5.3 实验目标 | 第150页 |
| 5.4 实验数据集 | 第150-151页 |
| 5.4.1 实验数据介绍 | 第150-151页 |
| 5.4.2 实验数据结构 | 第151页 |
| 5.5 实验结果分析 | 第151-157页 |
| 5.5.1 参数对结果影响实验 | 第152-154页 |
| 5.5.2 有效性验证实验 | 第154-156页 |
| 5.5.3 自适应性验证实验 | 第156-157页 |
| 5.6 本章小结 | 第157-158页 |
| 第六章 结束语 | 第158-160页 |
| 6.1 本文的工作 | 第158-159页 |
| 6.2 进一步的工作 | 第159-160页 |
| 参考文献 | 第160-168页 |
| 致谢 | 第168-169页 |
| 附录A：攻读博士学位期间发表论文情况 | 第169-170页 |
| 附录B：本论文中所涉及到的免疫学术语的中英文对照 | 第170-172页 |
| 附录C：原型实验系统中重要函数的代码实现 | 第172-178页 |
