更新时间：2022-08-16 17:12:17
封面
版权信息
内容简介
前言
第1章 绪论
1.1 引言
1.2 人工智能与机器学习
1.3 数据挖掘与机器学习
1.4 仿生计算智能与机器学习
1.5 免疫计算与机器学习
1.6 本书的内容及结构
参考文献
第2章 机器学习主流技术与方法
2.1 机器学习的发展
2.2 机器学习中的统计分析方法
2.2.1 线性回归分析
2.2.2 非线性回归分析
2.2.3 多元线性回归分析
2.3 机器学习中的现代技术方法
2.3.1 粗糙集
2.3.2 遗传算法
2.3.3 神经网络
2.3.4 深度学习
2.3.5 支持向量机
2.3.6 强化学习
2.3.7 度量学习
2.3.8 多核学习
2.3.9 集成学习
2.3.10 主动学习
2.3.11 迁移学习
第3章 免疫计算的基础原理
3.1 免疫计算生物学基础
3.1.1 免疫学基本概念
3.1.2 生物免疫系统的结构及组成
3.1.3 免疫系统功能及机制
3.2 人工免疫基本原理
3.2.1 人工免疫系统基本概念
3.2.2 人工免疫系统基本原理及机制
3.3 免疫计算学习及优化方法
第4章 基于免疫聚类竞争的关联规则挖掘方法
4.1 基本概念及问题描述
4.2 数据表达及初始化
4.3 免疫关联规则挖掘
4.3.1 抗体聚类与竞争克隆
4.3.2 抗体编码及初始化
4.3.3 抗体亲和力定义
4.3.4 抗体操作
4.4 免疫关联规则挖掘方法及分析
4.5 仿真实验及应用
4.5.1 UCI数据集仿真实验
4.5.2 教学质量规则挖掘与分析
第5章 基于小生境免疫粗糙集属性约简方法
5.1 问题描述
5.2 基本概念及理论
5.3 属性信息编码及小生境免疫优化
5.3.1 疫苗提取及初始抗体种群
5.3.2 抗体编码及接种疫苗
5.4 小生境免疫共享机制及免疫算子操作
5.5 算法执行过程
5.6 实验仿真及应用
5.6.1 实验一
5.6.2 实验二
5.6.3 实验三
第6章 基于免疫阴性选择的数据分类器
6.1 问题描述
6.2 基本概念及原理
6.3 文本分类规则编码
6.3.1 个体编码
6.3.2 亲和力定义
6.3.3 免疫优化
6.4 掩码匹配的否定选择分类器
6.5 免疫进化分类实现
6.6 仿真实验及应用
6.6.1 实验一
6.6.2 实验二
第7章 免疫网络在生物信息学中的应用
7.1 基本概念及问题描述
7.2 人工免疫网络理论
7.2.1 aiNet
7.2.2 AIRS
7.3 基于免疫进化网络理论的分类器
7.4 仿真实验及应用
7.4.1 数据准备与处理
7.4.2 仿真结果
7.5 免疫进化网络分类器改进及应用
7.5.1 基本概念
7.5.2 免疫离散增量分类器设计
7.5.3 分类器在模式生物识别中的应用
总结及展望
