第1章 绪论 1
1.1引言 2
1.2人工智能与机器学习 3
1.3数据挖掘与机器学习 7
1.4仿生计算智能与机器学习 12
1.5免疫计算与机器学习 16
1.6本书的内容及结构 20
参考文献 22
第2章 机器学习主流技术与方法 29
2.1机器学习的发展 30
2.2机器学习中的统计分析方法 34
2.2.1线性回归分析 38
2.2.2非线性回归分析 40
2.2.3多元线性回归分析 42
2.3机器学习中的现代技术方法 44
2.3.1粗糙集 45
2.3.2遗传算法 50
2.3.3神经网络 54
2.3.4深度学习 60
2.3.5支持向量机 62
2.3.6强化学习 72
2.3.7度量学习 75
2.3.8多核学习 76
2.3.9集成学习 78
2.3.10主动学习 80
2.3.11迁移学习 83
参考文献 85
第3章 免疫计算的基础原理 95
3.1免疫计算生物学基础 96
3.1.1免疫学基本概念 96
3.1.2生物免疫系统的结构及组成 97
3.1.3免疫系统功能及机制 102
3.2人工免疫基本原理 113
3.2.1人工免疫系统基本概念 115
3.2.2人工免疫系统基本原理及机制 116
3.3免疫计算学习及优化方法 120
参考文献 123
第4章 基于免疫聚类竞争的关联规则挖掘方法 126
4.1基本概念及问题描述 127
4.2数据表达及初始化 130
4.3免疫关联规则挖掘 131
4.3.1抗体聚类与竞争克隆 131
4.3.2抗体编码及初始化 134
4.3.3抗体亲和力定义 137
4.3.4抗体操作 137
4.4免疫关联规则挖掘方法及分析 139
4.5仿真实验及应用 142
4.5.1 UCI数据集仿真实验 142
4.5.2教学质量规则挖掘与分析 144
参考文献 146
第5章 基于小生境免疫粗糙集属性约简方法 152
5.1问题描述 153
5.2基本概念及理论 154
5.3属性信息编码及小生境免疫优化 155
5.3.1疫苗提取及初始抗体种群 155
5.3.2抗体编码及接种疫苗 158
5.4小生境免疫共享机制及免疫算子操作 159
5.5算法执行过程 162
5.6实验仿真及应用 164
5.6.1实验一 164
5.6.2实验二 167
5.6.3实验三 169
参考文献 171
第6章 基于免疫阴性选择的数据分类器 177
6.1问题描述 178
6.2基本概念及原理 179
6.3文本分类规则编码 181
6.3.1个体编码 181
6.3.2亲和力定义 182
6.3.3免疫优化 183
6.4掩码匹配的否定选择分类器 183
6.5免疫进化分类实现 185
6.6仿真实验及应用 186
6.6.1实验一 186
6.6.2实验二 187
参考文献 193
第7章 免疫网络在生物信息学中的应用 196
7.1基本概念及问题描述 197
7.2人工免疫网络理论 199
7.2.1 aiNet 199
7.2.2 AIRS 201
7.3基于免疫进化网络理论的分类器 203
7.4仿真实验及应用 206
7.4.1数据准备与处理 206
7.4.2仿真结果 208
7.5免疫进化网络分类器改进及应用 211
7.5.1基本概念 211
7.5.2免疫离散增量分类器设计 212
7.5.3分类器在模式生物识别中的应用 214
参考文献 217
总结及展望 221