人工免疫算法研究及其在数据挖掘上的应用

论文摘要

信息时代的来临,带来大量的数据。这些数据中隐藏着许多重要的信息和知识。如何从表面数据中提取到深层次的、表现了事物内在规律的规则来进行预测或指导决策,是迫切需要解决的问题。数据挖掘正是在这样的背景下产生的新的研究领域,是统计学、计算机科学、模式识别、人工智能、机器学习、数据库等多领域的交叉学科。人工免疫是近几年在智能技术学科方面新兴的研究领域。生物免疫是一个高度复杂的自适应系统,具有学习、记忆和模式识别的能力。通过模拟和应用免疫系统的信息处理能力,可以解决许多科学和工程问题。本论文的主要研究内容和工作成果有:首先,指出了免疫系统的一些主要特点。并就理论研究与应用研究两方面对人工免疫系统的发展概况进行了必要的说明。从数据挖掘任务和对象两方面分别阐述了人工免疫系统的数据挖掘应用。其次,以改进免疫算法(AIA)作为基础,将之运用到关联规则挖掘当中,给出一种新型的关联规则挖掘算法。针对用户感兴趣的属性,对事务数据库的关联规则直接进行挖掘,并对其优势与局限性进行分析讨论。最后,给出一种以最大频繁项目集为目标的免疫挖掘算法。其基本思路是将免疫克隆选择的概念引入挖掘过程当中。该算法可减少对数据库的扫描次数,同时也具有较好的收敛性。通过仿真实验,比较了以上两个算法与传统Apriori算法以及基于进化算法的关联规则挖掘之间的性能差异,并分析了其适用范围。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.2 人工免疫系统的研究概况
• 1.2.1 理论研究
• 1.2.2 应用研究
• 1.3 本论文主要研究内容
• 第二章 免疫系统简介
• 2.1 生物免疫系统的基本原理
• 2.1.1 免疫系统的功能
• 2.1.2 固有性免疫响应和适应性免疫响应
• 2.1.3 免疫系统的结构
• 2.1.4 免疫系统克隆选择理论
• 2.1.5 独特型免疫网络理论
• 2.2 人工免疫系统及其工程应用
• 2.2.1 人工免疫网络及其应用
• 2.2.2 阴性选择算法
• 2.2.3 基于免疫原理的优化算法
• 2.2.4 人工免疫反馈控制及其它应用
• 第三章 数据挖掘中规则提取问题相关技术与理论
• 3.1 数据挖掘的产生
• 3.2 数据挖掘的定义
• 3.3 数据挖掘的功能
• 3.4 关联规则挖掘技术
• 3.4.1 关联规则的基本概念和问题描述
• 3.4.2 关联规则挖掘常用算法
• 第四章 基于人工免疫的数据挖掘技术原理及应用
• 4.1 人工免疫系统在数据挖掘技术中的应用
• 4.1.1 人工免疫数据挖掘任务
• 4.1.2 人工免疫数据挖掘对象
• 4.1.3 小结
• 4.2 基于人工免疫网络的数据挖掘
• 4.2.1 cooke网络
• 4.2.2 资源有限网络（RLAIS）
• 4.2.3 aiNet网络和其他AIS网络
• 4.3 人工免疫数据挖掘的特点和思路
• 第五章 基于人工免疫的关联规则提取
• 5.1 经典关联规则频集挖掘算法及其缺点
• 5.2 一种改进的免疫算法描述
• 5.2.1 免疫算法的一般步骤
• 5.2.2 一种改进的免疫算法（AIA）
• 5.3 基于改进免疫算法的关联规则提取
• 5.3.1 算法描述
• 5.3.2 算法流程
• 5.3.3 算法分析
• 第六章 基于克隆选择的数据挖掘算法
• 6.1 克隆选择原理
• 6.2 免疫克隆选择算法（Clone Selection Algorithm，CSA）
• 6.2.1 模型描述
• 6.2.2 克隆算子
• 6.3 基于免疫优化算法的关联规则挖掘
• 6.3.1 算法流程相关描述
• 6.3.2 算法的实现步骤
• 6.3.3 算法流程图
• 6.4 算法分析和实验结果
• 第七章 总结与展望
• 7.1 本论文工作总结
• 7.2 进一步研究工作的内容
• 参考文献
• 攻读学位期间的研究成果
• 致谢