内容提要 | 第1-8页 |
第1章 绪论 | 第8-20页 |
·本文工作的研究背景与意义 | 第8-9页 |
·聚类技术相关知识介绍 | 第9-12页 |
·传统聚类算法的研究进展及其现状 | 第12-15页 |
·基于生物智能聚类算法的研究进展及其现状 | 第15-18页 |
·本文研究的主要内容和论文结构 | 第18-20页 |
·本文的主要工作 | 第18-19页 |
·论文组织结构 | 第19-20页 |
第2章 从生物免疫系统到人工免疫系统 | 第20-40页 |
·免疫系统简介 | 第20-26页 |
·免疫系统组成 | 第20-23页 |
·免疫系统分类 | 第23页 |
·免疫系统的主要机制 | 第23-25页 |
·免疫学的主要学说 | 第25-26页 |
·免疫系统建模的原理、分析和展望 | 第26-34页 |
·免疫系统建模的目的 | 第27-28页 |
·免疫系统建模的相关方法 | 第28-30页 |
·基于MA的免疫系统模型 | 第30-33页 |
·免疫系统建模的总结和展望 | 第33-34页 |
·人工免疫系统 | 第34-38页 |
·人工免疫系统的历史 | 第34-35页 |
·人工免疫系统的仿生机理 | 第35-36页 |
·人工免疫系统的典型应用 | 第36-37页 |
·基于免疫的经典聚类算法 | 第37-38页 |
·本章小结 | 第38-40页 |
第3章 实现增量数据聚类的免疫应答算法(IRA) | 第40-70页 |
·相关问题的研究 | 第40-41页 |
·实现增量数据聚类的免疫应答算法(IRA) | 第41-51页 |
·算法框架及其形式化 | 第41-43页 |
·算法总体描述 | 第43-44页 |
·提取已知簇的相关信息 | 第44-46页 |
·Ab种群的产生 | 第46-47页 |
·识别不属于任何已知簇的增量数据 | 第47-48页 |
·识别属于已知簇的增量数据 | 第48-49页 |
·删除相似抗体数据和增加新抗体数据 | 第49-50页 |
·IRA的计算复杂度与压缩率 | 第50-51页 |
·IRA与其他基于免疫的相关算法比较 | 第51-53页 |
·仿真实验与结果分析 | 第53-61页 |
·数据准备 | 第53-55页 |
·算法的参数设定 | 第55页 |
·算法的性能评价指标 | 第55-56页 |
·实验结果与分析 | 第56-61页 |
·参数对IRA的影响 | 第61-66页 |
·输入数据次序对IRA的影响 | 第66-67页 |
·IRA与相关算法的性能对比 | 第67-69页 |
·IRA与ISFaiNet和MSMAIS的总体比较 | 第67-68页 |
·IRA与ISFaiNet的比较 | 第68页 |
·IRA与MSMAIS的比较 | 第68-69页 |
·本章小结 | 第69-70页 |
第4章 IRA聚类结果的优化 | 第70-84页 |
·基于最近邻和边介数的聚类结果的优化 | 第70-77页 |
·基于最近邻和边介数聚类优化算法的提出 | 第70-71页 |
·NN_EB算法描述 | 第71-73页 |
·仿真实验结果与分析 | 第73-77页 |
·基于蚁群的聚类结果优化 | 第77-82页 |
·蚁群算法简介 | 第77-78页 |
·基于蚁群聚类优化算法的提出 | 第78页 |
·蚂蚁运动模型及基于蚁群的聚类优化算法 | 第78-81页 |
·仿真实验结果与分析 | 第81-82页 |
·本章小结 | 第82-84页 |
第5章 改进的IRA在三维模型检索系统中的应用 | 第84-96页 |
·三维模型检索系统简介 | 第84-87页 |
·三维模型的检索方式 | 第84-85页 |
·三维模型特征提取技术 | 第85-86页 |
·三维模型测试库PSB | 第86-87页 |
·相关工作 | 第87页 |
·改进的IRA(IIRA) | 第87-89页 |
·IIRA在三维模型检索系统中的应用 | 第89-95页 |
·实验说明 | 第89-90页 |
·IIRA处理形状相似的增量模型 | 第90-92页 |
·IIRA处理形状不同的增量模型 | 第92-93页 |
·IIRA基于已知簇识别增量模型 | 第93-94页 |
·不同特征值增量模型聚类结果的比较 | 第94-95页 |
·本章小结 | 第95-96页 |
第6章 总结与展望 | 第96-98页 |
参考文献 | 第98-109页 |
攻读博士期间发表的论文情况及参加的项目 | 第109-110页 |
致谢 | 第110-111页 |
摘要 | 第111-113页 |
Abstract | 第113-115页 |