| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·论文的选题背景及意义 | 第10-11页 |
| ·国内外研究现状及水平 | 第11页 |
| ·论文主要工作介绍 | 第11-12页 |
| ·论文的组织结构 | 第12-14页 |
| 第二章 预备知识综述 | 第14-27页 |
| ·数据挖掘 | 第14-21页 |
| ·数据挖掘及其研究现状 | 第14-15页 |
| ·数据挖掘的任务 | 第15-18页 |
| ·数据挖掘理论框架体系 | 第18-21页 |
| ·基于生物免疫机制的人工免疫进化算法 | 第21-27页 |
| ·引言 | 第21-22页 |
| ·生物免疫系统简介 | 第22-23页 |
| ·生物免疫系统的处理机制 | 第23-27页 |
| 第三章 基于人工免疫的数据挖掘技术原理及应用 | 第27-36页 |
| ·人工免疫系统在数据挖掘技术中的应用 | 第27-33页 |
| ·人工免疫数据挖掘任务 | 第27-31页 |
| ·人工免疫数据挖掘对象 | 第31-32页 |
| ·小结 | 第32-33页 |
| ·基于人工免疫网络的数据挖掘 | 第33-35页 |
| ·cooke网络 | 第33-34页 |
| ·资源有限网络(RLAIS) | 第34页 |
| ·aiNet网络和其他AIS网络 | 第34-35页 |
| ·人工免疫数据挖掘的特点和思路 | 第35-36页 |
| 第四章 基于遗传算法的B细胞高频进化方法 | 第36-43页 |
| ·引言 | 第36-37页 |
| ·理论基础 | 第37-39页 |
| ·B细胞简介 | 第37-38页 |
| ·传统B细胞高频变异及其不足之处 | 第38-39页 |
| ·基于遗传算法的B细胞高频变异方法 | 第39-42页 |
| ·编码 | 第39-40页 |
| ·设置评价函数并初始化种群 | 第40页 |
| ·交叉概率的自适应调整 | 第40-41页 |
| ·变异操作 | 第41页 |
| ·终止条件 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第五章 基于人工免疫的web文本挖掘方法研究 | 第43-53页 |
| ·引言 | 第43-44页 |
| ·理论背景 | 第44-45页 |
| ·SNS模型 | 第44页 |
| ·web挖掘简介 | 第44-45页 |
| ·模型实现 | 第45-50页 |
| ·自体/非自体 | 第45-46页 |
| ·抗体/抗原 | 第46-47页 |
| ·记忆细胞 | 第47-48页 |
| ·自体耐受和否定选择 | 第48页 |
| ·克隆选择 | 第48-50页 |
| ·实验讨论 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第六章 基于危险理论的web文本挖掘方法的初步研究 | 第53-58页 |
| ·引言 | 第53页 |
| ·理论背景 | 第53-54页 |
| ·传统的SNS模型 | 第53-54页 |
| ·危险模式 | 第54页 |
| ·基于危险理论的web挖掘 | 第54-57页 |
| ·传统web挖掘方法的缺点与不足 | 第54-55页 |
| ·基于危险理论的web挖掘的系统结构 | 第55页 |
| ·区分有无危险 | 第55页 |
| ·具体检测步骤 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第七章 总结和展望 | 第58-60页 |
| (1) 人工免疫数据挖掘技术的免疫学原理研究 | 第58页 |
| (2) 人工免疫数据挖掘的数学基础 | 第58页 |
| (3) 人工免疫数据挖掘技术在Web知识发现中的应用 | 第58-59页 |
| (4) 人工免疫数据挖掘技术在动态数据库的应用 | 第59页 |
| (5) 与现有技术比较研究 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 攻读硕士学位期间发表论文和参加科研情况 | 第64页 |