人工免疫网络记忆分类器原理与应用研究
| 第1章 绪论 | 第1-18页 |
| ·选题背景 | 第11-15页 |
| ·人工免疫系统与自然计算 | 第11-14页 |
| ·人工免疫系统简史 | 第14-15页 |
| ·本文主要工作 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第2章 人工免疫系统 | 第18-43页 |
| ·前言 | 第18页 |
| ·自然免疫系统 | 第18-23页 |
| ·自然免疫系统基本结构与功能 | 第18-19页 |
| ·免疫应答、应答成熟与免疫记忆 | 第19-21页 |
| ·克隆选择 | 第21页 |
| ·免疫独特型网络理论 | 第21-23页 |
| ·自然免疫系统与人工免疫系统 | 第23-24页 |
| ·计算免疫学 | 第24-25页 |
| ·人工免疫系统 | 第25-39页 |
| ·免疫计算智能 | 第25-37页 |
| ·自然免疫系统启发的软件和硬件系统 | 第37-38页 |
| ·人工免疫系统理论研究 | 第38-39页 |
| ·人工免疫系统应用 | 第39-41页 |
| ·小结 | 第41-43页 |
| 第3章 数据挖掘与人工免疫系统 | 第43-58页 |
| ·前言 | 第43页 |
| ·数据挖掘与知识发现 | 第43-47页 |
| ·数据挖掘的任务与过程 | 第45-47页 |
| ·人工免疫网络算法 | 第47-56页 |
| ·aiNet | 第47-51页 |
| ·人工免疫识别系统 | 第51-56页 |
| ·人工免疫数据分类模型 | 第56-57页 |
| ·小结 | 第57-58页 |
| 第4章 aiNet高维多类数据可视化研究 | 第58-73页 |
| ·前言 | 第58页 |
| ·主元素分析 | 第58-60页 |
| ·aiNet高维多类数据聚类与可视化 | 第60-72页 |
| ·UCI测试数据集合 | 第61页 |
| ·结合PCA的aiNet高维多类数据可视化 | 第61-71页 |
| ·实验结果总结 | 第71-72页 |
| ·小结 | 第72-73页 |
| 第5章 人工免疫网络记忆分类器 | 第73-118页 |
| ·前言 | 第73页 |
| ·人工免疫网络记忆分类器 | 第73-82页 |
| ·人工免疫网络记忆分类器算法 | 第73-80页 |
| ·NIS与AINMC之间的映射关系 | 第80-81页 |
| ·AINMC与AIRS和aiNet算法的区别 | 第81-82页 |
| ·实验分析与讨论 | 第82-105页 |
| ·实验设置 | 第82-84页 |
| ·参数与性能分析 | 第84-99页 |
| ·与其他分类器结果比较 | 第99-105页 |
| ·数据压缩 | 第105-106页 |
| ·AINMC实验结论 | 第106页 |
| ·参数敏感度分析 | 第106-113页 |
| ·AINMC记忆细胞分布 | 第113-117页 |
| ·小结 | 第117-118页 |
| 第6章 AINMC多类多维数据性能分析及应用实例 | 第118-131页 |
| ·前言 | 第118页 |
| ·AINMC多类多维数据分类性能研究 | 第118-123页 |
| ·增加类别 | 第119-120页 |
| ·增加特征数的效果 | 第120-123页 |
| ·应用实例 | 第123-130页 |
| ·问题说明与实验设置 | 第123-124页 |
| ·性能评价方法 | 第124-126页 |
| ·结果分析 | 第126-130页 |
| ·小结 | 第130-131页 |
| 第7章 AINMC文本分类研究与应用 | 第131-148页 |
| ·前言 | 第131页 |
| ·网络文本挖掘 | 第131-136页 |
| ·网络文本挖掘相关工作 | 第131-133页 |
| ·网络文本挖掘技术 | 第133-136页 |
| ·AINMC文本分类应用研究 | 第136-142页 |
| ·模型 | 第136页 |
| ·特征抽取 | 第136-137页 |
| ·测试数据 | 第137-138页 |
| ·实验和分析 | 第138-142页 |
| ·AINMC在信息恢复系统的应用 | 第142-146页 |
| ·背景介绍 | 第142-143页 |
| ·通过Web内容挖掘恢复缺失数据 | 第143-146页 |
| ·小结 | 第146-148页 |
| 结论 | 第148-150页 |
| 参考文献 | 第150-166页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第166-167页 |
| 致谢 | 第167页 |
