基于免疫计算的机器学习方法及应用

大数据时代的机器学习和数据挖掘技术的作用日渐重要，受到了广泛的关注。本书立足于工程应用，将免疫智能计算方法引入机器学习领域，致力于研究基于生物免疫原理的机器学习软计算方法，以免疫计算智能的基本原理为线索，对其研究状况加以系统性的论述，从理论、算法构建及工程应用等方面对免疫机器学习进行介绍和分析。针对关联规则挖掘、数据分类、数据聚类、属性约简等机器学习及生物信息大数据挖掘等具体问题，提出一系列新方法，并结合深度学习和张量计算探讨了机器学习软计算方法的近期新发展动态和方向。

徐雪松，副教授，湖南大学控制科学与工程专业博士，国防科学技术大学管理科学与工程专业博士后，美国布兰迪斯大学数据科学研究访问学者，不错项目管理师，数据不错分析师。现为湖南省区域战略与规划研究基地？低碳技术经济研究中心副主任，管理工程研究所副所长，湖南省技术经济与现代化管理协会理事， IEEE Senior Member、ACM及计算机学会会员，湖南省青年骨干教授培养对象，湖南商学院151人才项目第三层次人选。

第1章诸论
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
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
参考文献
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
参考文献
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
4.5.1UCI数据集仿真实验
4.5.2教学质量规则挖掘与分析
参考文献
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试验仿真及应用
5.6.1实验1
5.6.2实验2
5.6.3实验3
参考文献
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
参考文献
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
7.2.1aiNet
7.2.2AIRS
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
参考文献
总结及展望