《基于免疫计算的机器学习方法及应用》徐雪松 电子书下载

书名：《基于免疫计算的机器学习方法及应用》徐雪松

徐雪松，副教授职称，湖南师范大学操控科学研究与工程类专业博士生，国防科学技术大学金融数学与工程类专业博后。美国布兰迪斯大学Volan National Center for Complex Systems公派留学、哈佛大学 Data Science Center 研究者、我国高等级项目管理师、软件工程师。湖南省轻年优秀教师发展对象，湖南商学院麓山轻年专家。现为湖南省地区策略与归划科研营地——低碳技术金融研究管理中心主任、湖南省物连网行业协会人员、IEEE Member、ACM Member及计算机系统學會vip。

专门从事计算机视觉、复杂性操作系统全智能策略和措施科研岗位。成为我国、教育厅及省级重点课程十一项，出版发行专著出版2部，杂志社省十二五计划教科书1部。在全球SCI源刊及我国《电子学报》《仪器仪表学报》 《应用数学学报》 《情报学报》 《统计研究》 《系统工程理论与实践》《控制与决策》等刊物发表文章四十余篇。

任职全球SCI刊物Asian Journal of Control、Applied Mathematics & Information Sciences及《自动化学报》等著名刊物评审人。受权国家专利2项、实用型专利2项和我国专利权5项。

互联网时代的计算机视觉和大数据分析的用处渐渐看重，遭受了多方面的重视。这书与时俱进项目运用，将免疫系统全智能计算公式传入计算机视觉多方面，专注于科研搭配微生物免疫系统工作原理的计算机视觉软计算公式，以免疫系统换算全智能的基本概念为思路，对其科研情况开展针对性的简答，从基本原理、计算方法整合及项目运用等多方面对免疫系统计算机视觉开展讲解和解析。涉及关联规则开掘、数据标准化、信息聚类算法、特性约简等计算机视觉及生物信息大数据分析等详细情况，确立一连串新措施，并搭配人工智能课程的学习和张量换算探究了计算机视觉软计算公式的*发展趋势状态和中心点。

第1 章 诸论…………………………………………………………………………………..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…………………………………………………………………………… 77

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………………………………. 127

4.1 基本概念及问题描述………………………………………………………………….. 128

4.2 数据表达及初始化……………………………………………………………………… 131

4.3 免疫关联规则挖掘……………………………………………………………………… 132

4.3.1 抗体聚类与竞争克隆……………………………………………………….. 132

4.3.2 抗体编码及初始化…………………………………………………………… 135

4.3.3 抗体亲和力定义………………………………………………………………. 138

4.3.4 抗体操作…………………………………………………………………………. 138

4.4 免疫关联规则挖掘方法及分析……………………………………………………. 140

4.5 仿真实验及应用…………………………………………………………………………. 143

4.5.1 UCI 数据集仿真实验……………………………………………………….. 143

4.5.2 教学质量规则挖掘与分析………………………………………………… 145

参考文献…………………………………………………………………………………………… 147

第5 章基于小生境免疫粗糙集属性约简方法………………………………….. 153

5.1 问题描述……………………………………………………………………………………. 154

5.2 基本概念及理论…………………………………………………………………………. 155

5.3 属性信息编码及小生境免疫优化………………………………………………… 156

5.3.1 疫苗提取及初始抗体种群………………………………………………… 156

5.3.2 抗体编码及接种疫苗……………………………………………………….. 159

5.4 小生境免疫共享机制及免疫算子操作…………………………………………. 160

5.5 算法执行过程…………………………………………………………………………….. 163

5.6 试验仿真及应用…………………………………………………………………………. 165

5.6.1 实验1……………………………………………………………………………… 165

5.6.2 实验2……………………………………………………………………………… 168

5.6.3 实验3……………………………………………………………………………… 170

参考文献…………………………………………………………………………………………… 172

第6 章基于免疫阴性选择的数据分类器………………………………………… 178

6.1 问题描述……………………………………………………………………………………. 179

6.2 基本概念及原理…………………………………………………………………………. 180

6.3 文本分类规则编码……………………………………………………………………… 182

6.3.1 个体编码…………………………………………………………………………. 182

6.3.2 亲和力定义……………………………………………………………………… 183

6.3.3 免疫优化…………………………………………………………………………. 184

6.4 掩码匹配的否定选择分类器……………………………………………………….. 184

6.5 免疫进化分类实现……………………………………………………………………… 186

6.6 仿真实验及应用…………………………………………………………………………. 187

6.6.1 实验一…………………………………………………………………………….. 187

6.6.2 实验二…………………………………………………………………………….. 188

参考文献…..