导 师: 葛红
学科专业: H1202
授予学位: 硕士
作 者: ;
机构地区: 华南师范大学
摘 要: 生物免疫系统是一种高度并行的自适应信息学习系统,它能自适应地识别和排除侵入机体的抗原性异物,并且具有学习、记忆和自适应调节能力,能够维护机体内环境的稳定。近年来,人们逐渐意识到生物免疫机制对开发新的计算智能的启示意义,人工免疫系统(artificial imune system,ais)即是受生物免疫系统启示而设计的新型算法和模型的统称,已经用于机器学习、异常和故障诊断、机器人行为仿真、机器人控制、网络入侵检测等领域,表现出较卓越的性能和效率,它已经成为计算智能大家庭的卓有成效的新成员。 但是由于人工免疫系统只是近些年发展起来的新的研究领域,虽然关于它的研究已被越来越多的人所重视,并逐渐成为关于新的进化计算和模式识别方法研究的一个热点,但是,整个研究工作仍然显得比较零乱,缺乏系统性,有些方法名为人工免疫方法,实质是对原有方法的改造,失去了应用免疫系统的意义;另外,对于人工免疫系统的模型和应用缺乏深入的探讨,许多模型和方法并未真正体现出人工免疫系统的应用特点。 并且近年来在人工免疫系统应用研究中,关于人工免疫系统应用于数据聚类方面的研究逐渐多起来,但是目前的人工免疫系统应用于数据聚类的过程中存在有许多不足,例如:聚类方法中的很多参数需要人们根据经验判断手工输入,而不能根据聚类过程的进行自适应地变化;参数的设置不合理而造成参数对于网络的变化过于敏感;对网络中的参数分析不充分等等。 本文正是基于这样的认识,希望在免疫系统模型构造,算法实现以及应用于数据聚类方法的参数设置问题作深入的探讨。 首先有针对性的介绍了生物免疫系统的一些基本概念、系统组成、功能原理等;概述了人工免疫系统的一些主