一、自然免疫与人工免疫一个都不能少（论文文献综述）
林力[1]（2012）在《基于免疫算法的化工过程优化》文中研究表明化工过程中存在着许多规划问题，然而通常的化工过程都比较复杂，随着化工生产规模的扩张，描述被优化对象的数学模型自变量变多、目标函数更为复杂，约束条件的数目也随之增多，传统的优化算法已不能解决复杂的化工生产优化问题。人工免疫系统是人工智能算法新的研究方向，为人工智能开辟了新的算法理论和研究方向，同时也为化工过程优化提供了新的方法。本文首先大致介绍了作为人工免疫系统源泉的生物免疫系统，简单地阐述了免疫学中的相关基本概念，对人工免疫系统做了简要的说明。然后在Matlab中实现了免疫克隆选择算法，通过对几个经典的非线性函数寻优进行了与传统优化算法中的共轭梯度算法和遗传算法的对比，显示出免疫克隆选择算法有很好的全局搜索能力，并且具有良好的种群多样性。随后通过对算法性质的研究，提出了算法中的不足，并对算法进行了一定的改进，提高了其计算效率和收敛速度。然后用免疫克隆选择算法与混合罚函数法相结合，形成用来求解约束规划问题的惩罚免疫克隆选择算法。对惩罚免疫克隆选择算法使用VS2005进行编程，通过使用正则表达式来读取和检查用户输入字符串格式的数学表达式，实现了算法的人机交互。使算法使用起来更加方便。最后用将惩罚免疫克隆选择算法应用于实际化工过程优化。对化工生产中的锅炉涡轮发电系统和烷基化反应进行了模型简化、建立数学模型。成功地对锅炉涡轮发电系统的操作费和烷基化反应的最大利润用进行了优化，提高了工厂的效益。
朱亚男[2]（2012）在《基于人工免疫系统的智能融合算法研究及应用》文中提出随着信息化时代的发展,多源信息融合技术在诸多领域产生着日渐重要的影响。人工智能则是推动信息融合发展的重要技术手段,其中人工免疫系统算法是继人工神经网络和遗传算法之后的又一个智能研究热点。本文主要研究基于人工免疫系统的智能融合算法。由于信息融合目前还缺乏系统性的基础理论指导,为了探讨普遍适用信息融合问题的求解模型,本文借鉴多目标优化的理论和方法,提出了多目标融合理论及其统一的模型描述。通过确立相应的优化指标,将信息融合问题转换为对满足多个优化指标结果的融合过程。本文的研究工作紧密围绕多目标融合理论展开,分为理论方法和应用研究两部分。理论方法包括：1)人工免疫系统和ICSA研究。在详细论述ICSA算法思想及克隆选择算子的基础上,实现了算法流程并证明了其收敛性,通过理论分析和仿真实验对比说明免疫算法较进化算法机制更具优势。2)基于免疫机制的RBF网络设计。针对传统RBF网络学习策略存在的不足,提出基于免疫机制的三级RBF网络学习方法：采用免疫疫苗的机理在第一级得到网络隐层节点数,从而自行构建网络,降低了第二级搜索空间的复杂度；第二级采用人工免疫算法多点搜索解空间,寻找全局最优的隐层非线性参数；第三级采用最小二乘法估计输出层线性参数,降低了第二级设计空间的维数,提高了算法效率。通过Hermit多项式逼近实验和应用实例皆验证了该方法训练得到的RBF网络性能优越。应用研究包括：1)机车二系载荷融合调整方法研究。通过分析机车二系调簧问题的特点,引入多目标融合理论,设计了一种基于IDCMA的两级机车二系载荷融合调整方法：将调簧问题的先验知识作为免疫优势引入算法模型中,并针对调簧中优化指标的偏好设计了两级结构的免疫调簧算法。经实车数据验证,该算法较已有算法性能更优。2)多传感器信息融合的轨道衡称重误差补偿研究。通过详细分析轨道衡称重误差的来源,建立了轨道衡的称重模型并提出了基于免疫RBF网络的多传感器信息融合轨道衡误差补偿方法。设计RBF网络并通过免疫三级算法训练,实现了良好的轨道衡误差补偿效果,并通过与加权融合的误差补偿方法比较验证了免疫RBF网络误差补偿的优越性。以上两个应用研究成果均具有较高的工程应用价值。
陈玉婷[3]（2012）在《人工免疫算法及其在核医学分子影像中的应用研究》文中指出人工免疫算法是借助和利用生物免疫系统的性质和机制,用于解决工程和科学问题的一种新型的软计算方法,已经成为人工免疫系统理论及其应用的重要研究内容。本论文以优化问题为主线,主要对人工免疫网络算法和克隆免疫算法进行研究,并且讨论了人工免疫算法在核医学分子影像中的应用。本文的工作主要集中在以下几个方面:1、首先研究用于药代动力学参数优化的人工免疫网络PKAIN算法。扩展PKAIN算法,将其应用于核医学分子影像动力学参数估计。对18F-FDG小鼠PET显像的影像数据进行示踪剂动力学建模,设计人工免疫网络算法估计模型参数,并与核医学定量分析软件KIS在线系统和其他随机优化算法进行比较,实验结果表明PKAIN算法寻优能力效果良好,可作为PET分子影像动力学模型的参数估计工具,可为构建精确可靠的PET分子影像动力学建模方法提供软件技术支持。2、改进人工免疫网络PKAIN算法,并应用于求解核医学分子影像动力学参数。首先,引入协作的思想,增加全局粒子群协作算子使人工免疫网络中的记忆细胞具有粒子的特性,从而通过个体间协作共享寻优经验。其次,对PKAIN算法中的变异操作进行研究,提出基于单点变异方法。实验结果表明改进的方法增强了算法的寻优能力。3、核医学动力学建模问题中的同时估计（SIME）方法是将多个目标线性加权转变为单目标问题求解。本文在SIME领域新提出多目标思想,面向应用设计并实现了一种新颖的用于求解多目标优化问题的PKICA算法,并将该算法应用于SIME问题。PKICA算法遵循克隆选择原理,由一系列适应多目标优化问题的算子组成。通过对测试函数的求解,与粒子群算法和遗传算法比较,结果表明,算法具有较强的全局搜索能力、较好的收敛能力以及很好的保持多样性的能力,从而证明了该算法的有效性。将PKICA算法应用于SIME仿真实验,结果表明,多目标处理方法寻优能力优于传统的单目标处理方法,能够获得准确稳定的模型参数。
姚良[4]（2010）在《商业银行金融产品创新的风险传染与免疫研究》文中研究表明金融产业日益成为现代经济的主导产业和经济发展的持续推动力,我国商业银行进行金融创新是必然的选择和发展的趋势。但是,以次贷危机为肇始的金融危机以一种特殊的形式向世人展示了金融领域风险积累、风险传染和风险释放对实体经济的深远影响。在商业银行金融创新过程中,加强对创新风险的认识,建立有效的金融产品创新风险管理体系对金融机构十分重要。本文结合创新理论、风险管理理论、人工免疫理论等,对构建基于金融产品创新的金融机构的风险免疫问题进行了研究。本文的具体研究内容是：第1章导论。介绍本文研究的背景与意义,进行了理论综述,拟定了全文分析框架。第2章商业银行金融产品创新的基本理论。界定了金融产品创新的内涵及其效应,描述了我国商业银行金融产品创新的现状,分析了存在的问题,并探讨了制约我国商业银行金融产品创新的因素。第3章商业银行金融产品创新风险传染模型。界定了金融风险的内涵,构建了金融产品创新链模型,并分析了其特征和运行机理；分析了商业银行金融产品创新风险传染及其规律。第4章商业银行金融产品创新风险传染要素。分析、归纳和总结了商业银行金融产品创新风险传染的特征,分析了商业银行金融产品创新风险传染的条件、载体和路径以及风险传染规律。第5章商业银行金融产品创新风险免疫理论。借鉴生物免疫概念,分析了商业银行金融产品创新风险免疫的基本思想和免疫机制,并建立了生物免疫系统与金融产品创新风险免疫系统的映射关系,构建了金融产品创新风险免疫模型。第6章商业银行金融产品创新风险免疫系统设计与风险监控。第一,分析了商业银行金融产品创新风险免疫系统设计的思路,包括设计步骤、形态空间设定、自体与非自体设定、抗原与抗体设定等；第二,借鉴人工免疫理论,概括了金融产品创新风险免疫的否定选择、克隆选择及免疫进化算法；第三,构建了基于创新过程的商业银行金融产品创新风险免疫模块,并提出了免疫策略；第四是根据残余抗原理论,构建了基于残余抗原的商业银行金融产品创新风险免疫监控体系,提高了风险防控的效力。第7章案例研究：次贷危机对商业银行金融产品创新的启示。分析了美国次贷危机发生的原因、危机传染条件、传染路径,构建了次贷危机风险传染链,并提出了我国商业银行金融产品创新的风险免疫的启示。本文的主要创新点有：（1）构建了金融产品创新链模型并进行了分析；（2）建立了商业银行金融产品创新风险传染的小世界网络模型,并揭示了模型对实践的指导意义；（3）构建了金融产品创新风险免疫模型；（4）构建了基于创新过程的商业银行金融产品创新风险免疫模块,并提出了免疫策略。
李伟[5]（2010）在《基于人工免疫网络的分类算法研究》文中认为随着信息化技术的发展,计算智能方法在数据挖掘中的应用已成为人们研究的重点。人工免疫系统通过模拟自然免疫机制,具有学习、记忆、自组织、分布式等特点,如果将人工免疫思想尤其是人工免疫网络恰当地应用到分类的学习和识别中,能够增强分类算法的学习记忆能力,提高其识别准确度。本文在深入分析免疫机理工作方式的基础上,提出了两种基于人工免疫网络的分类算法。论文首先对免疫系统和数据挖掘中的分类进行了简要的介绍,对自然免疫系统理论、人工免疫系统的仿生机理、机器学习及现有分类算法进行了较为详细的说明。然后,论文提出了一种带有阴性选择的人工免疫网络分类算法和一种基于自适应半径的人工免疫网络分类算法,并分别进行了实验分析。带有阴性选择的人工免疫网络分类算法通过将自然免疫系统中B细胞在胸腺中的成熟机制引入免疫网络,使不同类别之间的抗体协同进化,保证了最终的网络抗体都能代表各类的典型样本,减少了记忆细胞的数目,并得到了较好的分类效果。基于自适应半径的人工免疫网络分类算法将多粒度引入算法,通过在学习过程中自适应调整抗体抑制半径,保留了训练数据的密度信息,同时引入半径衰减及反馈机制,对未能学习成功的数据进行重新学习,得到了更具代表性的记忆细胞。
徐锐[6]（2009）在《人工免疫算法优化及其应用研究》文中研究指明生物免疫系统被称为人体的第二个大脑,具有许多在工程领域有启发意义的特点。其基本功能是识别自我和非我,并将非我分类清除,具有免疫识别、免疫记忆、免疫调节、免疫宽容和免疫监视等功能特征,是一个自适应、自学习、自组织、并行处理和分布协调的复杂系统。人工免疫系统（Artificial Immune System,AIS）是一类基于生物免疫系统的功能、原理、基本特征以及相关理论免疫学说而建立的用于解决各种复杂问题的计算系统。是继人工神经网络、进化计算之后新的智能计算研究方向,是生命科学和计算机科学相交叉而形成的交叉学科研究热点。人工免疫系统研究旨在通过深入探索生物免疫系统中蕴含的非我模式检测机制,建立相应的工程模型和算法,开拓新型智能检测处理系统,解决当前面临的众多科学技术问题。本文旨在深入研究人工免疫理论,优化当前主流的人工免疫算法,提出新的黑洞模式检测手段,并在此基础上设计人工免疫系统。同时将人工免疫检测应用于网络攻击检测和商业智能系统等领域。论文的主要研究工作和成果包括以下几个方面:1)通过对于传统阴性选择算法的研究,发现并命名了HS和HD型两种黑洞模式。在借鉴主要组织相容性复合体的功能和特点基础上,提出了特征值概念,并用特征值匹配代替了传统的部分连续位匹配,从而改进了阴性选择算法,提高了检测器生成概率。使用自我特征值矩阵构成MHC检测滤窗,成功检测到了检测器无法识别的全部两种黑洞模式。同时提出使用子矩阵检测,提高了MHC检测滤窗的检测效率。编制基于特征值改进的人工免疫检测系统,并成功进行仿真实验。2)分析发现检测器生成不足情况下,会导致实际检测覆盖面积小于理论面积而出现漏检模式。通过对于克隆选择算法的研究,提出将克隆选择算法应用于MHC检测滤窗的检测。由检测滤窗提供遗传特征值,改进克隆选择算法收敛性,实现阴性选择算法和克隆选择算法有机结合。同时采用定向补充产生检测器的方法,增大检测器集对漏检模式的亲和力浓度,从而也减小了MHC检测滤窗负担,提高了检测效率。仿真程序在原有编制的人工免疫检测系统基础上增加了克隆选择模块,并成功进行仿真实验。3)分析研究了各种网络拒绝服务攻击方法以及它们的原理和现有的防御手段,针对最难以防范的SYN Flooding攻击和UDP Flooding攻击提出了IP有效性验证策略,同时提出IP地址分段检测方式,并采用阈值加乘,判断是否为虚假IP,最后引入人工免疫检测系统进行检测。编制出数据包截取程序和源IP地址提取程序,结合原有编制的人工免疫检测系统,构建了服务器端基于人工免疫的洪水攻击检测系统,并成功进行仿真实验。4)通过研究商业智能技术,根据实际应用构建了一整套包括ETL模块、数据仓库和OLAP的完善商业智能系统,并投入实际应用。在研究发现Cube中经常出现异常数据的基础上,引入了人工免疫检测系统进行异常检测。通过开发编码模块和分析处理模块,有效的将人工免疫检测系统和商业智能系统整合起来,并成功进行仿真实验。
岳增书[7]（2008）在《基于人工免疫的动态网络入侵检测技术研究》文中研究指明随着计算机互联网的发展和广泛应用,网络安全问题变得越来越严重。因此,开展网络安全特别是入侵攻击与防范技术的研究,开发高效实用的入侵检测系统,对计算机网络的发展与应用都具有重要意义。计算机安全系统要解决的问题与生物免疫系统要解决的问题非常类似,生物免疫系统保护躯体免受病原体的侵害而计算机安全系统保护计算机免遭入侵。因此,近年来受生物免疫系统的启发,国内外研究人员从生物原型出发,抽象出相应的仿生机理,形成一个新的研究领域—人工免疫系统。本文主要的工作在于提出了一种新的基于免疫的动态入侵检测模型。在新模型中,未成熟检测器的生成采用了通过自体或非自体变异的方法生成,通过这种方法生成的未成熟检测器有着更强的针对性和更高的生成率。新模型采用了基于误用检测和异常检测相结合的方法,克服了采用单一技术的缺点,从而提高了系统检测的效率。另外,在新模型中,自体的定义采用了一种动态化的过程,它能更加全面的反映网络中的正常数据克服了自体集覆盖概率小的缺点。同时,根据生态上的共同进化现象,提出了一个共同进化模型,来寻找检测系统中潜在的漏洞,并为找到的漏洞打上相应的补丁,从而使该系统更加健壮。最后,对所提的新模型进行了仿真实验,通过对实验结果的分析,证明了改进后的模型和方法在成熟检测器的生成效率上明显高于传统的方法,新模型在入侵检测的检测效率上也有着很高的检测效率。另外共同进化法也有效地强化了系统。本文首先介绍了入侵检测和人工免疫的研究历史与现状。然后针对当前研究中存在的问题提出了一个新的基于人工免疫的入侵检测模型,同时也提出了共同进化模型来强化该系统。在论文的最后,对该系统进行了仿真实验,并对结果进行了分析。
范志宏[8]（2007）在《人工免疫系统在自适应Web中的应用研究》文中研究表明当今，web站点数目迅速增长的同时，各个web站点的信息量及其复杂度也在迅速上升，一个网站包含成千上万网页与超链接是很平常的。因此给用户访问也增加了一定的难度。特别随着无线设备及无线通讯技术的发展，使用无线设备浏览Web的用户增长趋势非常强劲。但是由于无线设备显示屏幕小、处理速度慢、不方便输入和无线网络传输速率低等特点，浏览Web时无线设备用户很难像台式机用户那样方便快捷。因此，一个Web站点应该具有一定的适应能力，才能更好地满足用户的需要。自适应Web网站的基础是具有强大数据分析处理功能的web挖掘，通过对web数据的分析，及时调整网站内容及结构以达到其适应性。自适应Web成为Web站点设计的一个重要的研究课题。借鉴自然生物免疫系统强大的识别、学习和记忆能力以及具有分布式、自适应和多样性特性。本文提出将基于人工免疫的机制应用于自适应Web中，旨在应用人工免疫系统强大的信息处理和问题求解能力，特别是免疫优秀的自适应特性，来解决Web挖掘中的知识更新的问题，以提高自适应Web的质量。本文先介绍了Web自适应的必要性及意义。接着文章介绍当前Web自适应的技术方法研究现状，自然免疫学和人工免疫基本理论，以及聚类的基本技术。然后提出基于人工免疫可更新聚簇聚类算法，并通过Web会话进行聚类实验，达到很好的簇更新的效果。最后介绍和分析将基于人工免疫可更新簇聚类算法在面向移动用户Web自适应导航的应用方法。
章登科[9]（2007）在《基于人工免疫系统的检测器生成算法研究》文中研究说明随着计算机技术和网络技术的迅猛发展，计算机系统已经从独立的主机发展到复杂的、互联的开放式系统，这种情况导致计算机及网络的入侵问题越来越突出，为保护系统资源，需要建立不同于防火墙和防病毒软件的主动防御机制检测入侵。入侵检测系统就是监控网络或计算机系统的动态行为特征并据此判断是否有入侵的主动防御措施。入侵检测技术作为确保计算机网络信息安全的一个重要手段正成为信息安全领域的研究热点之一。入侵检测系统的运行机理与人体免疫系统有着天然的相似之处，人体免疫系统成功保护肌体免受各种侵害的机理为研究入侵检测提供了重要的方法。基于免疫学的入侵检测是近几年来入侵检测领域研究的热点，它的突出特点是利用生物免疫系统的原理、规则与机制来实现对入侵行为的检测和反应。目前多数商业化的入侵检测产品采用简单模式匹配技术，它只适用于较简单的攻击方式且误报率高，只能检测出已知攻击模式。而基于免疫原理的入侵检测系统能够利用不完备信息检测出未知攻击模式，具有很强的现实意义。在入侵检测系统中，初始检测器的生成是非常关键的一步，它关系到整个系统的检测速度和效率。本文在深入学习免疫学原理与人工免疫系统工作机理的基础上，分析了现有的几种检测器生成算法，主要对否定选择过程中检测器生成方法进行了深入的研究。在分析已有的算法基础上提出了一种新的基于海明距离的检测器生成算法，通过使用模板来消除冗余的检测器，从而提高系统的检测效率。最后本文通过实验分析了算法的性能，实验表明，新算法能够尽可能多的覆盖“非我”空间，在性能上优于传统的否定选择算法，为进一步研究入侵检测系统提供了一种新的算法依据，为计算机安全领域引入了新的思路。研究入侵检测算法具有广泛的应用前景。
杨星[10]（2007）在《改进的免疫遗传算法与人工神经网络在多机器人系统围捕问题的应用》文中研究指明多机器人系统运行控制机制将智能控制理论、人工生命理论、进化算法以及机器人编程技术等融合在一起，是机器人学和人工智能领域一个备受关注的研究课题。而采用进化算法与人工生命理论相结合的技术进行多机器人围捕问题的仿真和设计优化研究，则是多移动机器人系统研究的重要发展方向。以前所开展的多机器入围捕问题的相关研究存在以下两方面不足：第一，用于评价猎物机器人成功围捕的性能指标说服力不强，性能仿真评估结果的可信度较低；第二，机器人个体的智能程度不够高，自学习能力不强。针对以上不足，我们采用人工神经网络理论与具有精英保留策略的免疫遗传算法相结合的方法，提出了一种全新的多机器人行为决策控制系统——IGAE-ANN（Immune-Genetic Algorithm with elitist model, IGAE; Artificial Neural Network, ANN）行为决策系统，并将其应用到多机器人围捕仿真实验。本文首先对国内外多机器人系统的总体研究状况及基本理论作了详细介绍。在此基础上，对IGAE-ANN行为决策系统进行了设计研究。在IGAE-ANN行为决策系统中，采用人工神经网络作为捕猎机器人的行为控制器，并采用改进的具有精英保留策略的免疫遗传算法对神经网络的连接权值进行优化调整，使神经网络可为捕猎机器人生成最佳的行为决策，从而实现捕猎机器人在动态环境中对猎物机器人的成功围捕。在MATALB环境下的动态仿真实验结果证明了IGAE-ANN行为决策系统在整个捕猎期间具有良好的决策能力。此外，通过仿真结果对比，证实了IGAE-ANN行为决策系统在收敛速度、解的波动性以及动态收敛特征等方面，比采用带精英保留策略的标准GA算法去优化人工神经网络控制多机器人围捕效果更优。本文提出了一种新的用于评判多个机器人成功围捕猎物的性能指标。实验结果表明该指标可有效表达猎物机器人被捕获且不能再逃离的状态，比韩国学者Malrey Lee所设定的指标具有更强的说服力。
二、自然免疫与人工免疫一个都不能少（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、自然免疫与人工免疫一个都不能少（论文提纲范文）
（1）基于免疫算法的化工过程优化（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 目录 |
| Contents |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 优化算法发展综述 |
| 1.2.1 传统优化算法 |
| 1.2.2 遗传算法 |
| 1.3 人工免疫的研究现状 |
| 1.4 本课题的主要内容 |
| 第二章 生物免疫与人工免疫系统 |
| 2.1 生物免疫系统 |
| 2.1.1 生物免疫基本概念及发展 |
| 2.1.2 生物免疫系统组成 |
| 2.1.3 免疫分类 |
| 2.2 免疫系统功能 |
| 2.2.1 免疫识别 |
| 2.2.2 免疫应答 |
| 2.2.3 免疫记忆 |
| 2.3 克隆选择学说 |
| 2.4 人工免疫系统 |
| 2.4.1 生物免疫系统的启示 |
| 2.4.2 人工免疫模型及算法 |
| 2.4.3 人工免疫系统的应用 |
| 2.5 小结 |
| 第三章 免疫克隆选择算法分析及改进 |
| 3.1 免疫克隆选择算法的生物机理 |
| 3.2 免疫克隆选择算法（ICSA，Immune Clone Selection Algorithm） |
| 3.2.1 抗体编码方式 |
| 3.2.2 克隆选择算子操作 |
| 3.2.3 免疫克隆算法基本流程 |
| 3.2.4 克隆选择算法的性质 |
| 3.3 免疫克隆选择算法与其他优化算法的比较 |
| 3.3.1 测试函数特性 |
| 3.3.2 各算法参数设定 |
| 3.3.3 算法对比结果 |
| 3.4 免疫克隆选择算法的改进 |
| 3.4.1 克隆选择算子参数对算法的影响 |
| 3.4.2 传统免疫克隆选择算法的不足之处 |
| 3.4.3 对免疫克隆算法的改进 |
| 3.5 改进免疫克隆算法在 Matlab 中的实现与对比 |
| 3.5.1 算法的编码方式 |
| 3.5.2 种群初始化 |
| 3.5.3 种群的克隆 |
| 3.5.4 抗体的变异 |
| 3.5.5 抗体选择 |
| 3.5.6 运算结束条件 |
| 3.5.7 改进免疫克隆算法与传统免疫克隆算法的对比 |
| 3.6 免疫克隆选择算法求解有约束规划问题 |
| 3.6.1 混合罚函数法 |
| 3.6.2 惩罚免疫克隆选择算法 |
| 3.7 小结 |
| 第四章 惩罚免疫克隆选择算法在 VS2005 中的实现 |
| 4.1 优化程序结构 |
| 4.2 正则表达式运用于函数表达式的计算 |
| 4.2.1 自变量的替换 |
| 4.2.2 只含数字项表达式的计算 |
| 4.2.3 运算优先级问题 |
| 4.2.4 匹配子算式的正则表达式 |
| 4.2.5 对含有括号项的处理 |
| 4.3 正则表达式用于表达式的错误检查 |
| 4.4 惩罚免疫克隆选择算法的实现 |
| 4.5 小结 |
| 第五章 PICSA 应用于化工过程优化 |
| 5.1 锅炉发电系统优化 |
| 5.1.1 锅炉发电系统 |
| 5.1.2 建立优化问题模型 |
| 5.1.3 求解锅炉涡轮规划问题 |
| 5.2 烷基化反应过程优化 |
| 5.2.1 烷基化反应过程 |
| 5.2.2 建立优化问题模型 |
| 5.2.3 求解烷基化反应过程规划问题 |
| 5.3 小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（2）基于人工免疫系统的智能融合算法研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 人工免疫系统概述 |
| 1.2.1 人工免疫系统理论发展及应用 |
| 1.2.2 人工免疫系统与其他智能算法的比较 |
| 1.3 本文主要工作 |
| 1.3.1 本文创新点 |
| 1.3.2 本文结构框架 |
| 第二章 多目标融合理论 |
| 2.1 多目标融合的定义 |
| 2.2 多目标融合模型 |
| 2.2.1 数学模型 |
| 2.2.2 融合方法基础 |
| 第三章 人工免疫系统与免疫克隆选择算法 |
| 3.1 人工免疫系统的生物学基础 |
| 3.1.1 生物免疫系统概念及组成 |
| 3.1.2 免疫分类 |
| 3.2 人工免疫系统算法研究 |
| 3.2.1 人工免疫系统的基本概念 |
| 3.2.2 人工免疫算法的基本架构 |
| 3.2.3 人工免疫算法的研究现状 |
| 3.3 免疫克隆计算的统一描述 |
| 3.4 克隆选择算子 |
| 3.5 免疫克隆选择算法设计及收敛性 |
| 3.5.1 算法设计 |
| 3.5.2 算法的收敛性 |
| 3.6 免疫克隆选择算法与进化算法 |
| 3.6.1 理论分析对比 |
| 3.6.2 仿真实验对比 |
| 第四章 基于人工免疫系统的RBF网络设计 |
| 4.1 神经网络和RBF网络概述 |
| 4.2 RBF网络模型及结构 |
| 4.3 RBF网络常用的学习策略 |
| 4.4 基于人工免疫系统的RBF网络设计 |
| 4.4.1 RBF网络学习策略结构设计 |
| 4.4.2 基于人工免疫的RBF网络实现 |
| 4.5 仿真实验 |
| 4.6 总结 |
| 第五章 基于人工免疫的机车二系载荷融合调整方法 |
| 5.1 机车二系调簧的研究意义 |
| 5.2 机车二系载荷调整方法概述 |
| 5.2.1 现有二系调簧算法简介 |
| 5.2.2 调簧数学模型 |
| 5.3 基于IDCMA的机车二系调簧算法设计 |
| 5.3.1 算法模型 |
| 5.3.2 免疫优势分析 |
| 5.3.3 IDCMA算法实现 |
| 5.4 IDCMA算法应用结果及性能评价 |
| 5.4.1 应用结果 |
| 5.4.2 调簧性能比较 |
| 5.5 总结 |
| 第六章 基于免疫RBF网络的轨道衡误差补偿 |
| 6.1 轨道衡称重原理 |
| 6.2 轨道衡称重误差分析 |
| 6.2.1 传感器非线性度引起的称重误差 |
| 6.2.2 偏载荷引起的称重误差 |
| 6.3 多传感器信息融合的轨道衡误差补偿原理 |
| 6.4 轨道衡误差补偿的RBF网络设计 |
| 6.5 轨道衡误差补偿实现 |
| 6.5.1 轨道衡误差补偿的免疫RBF网络实现 |
| 6.5.2 轨道衡误差补偿方法对比 |
| 6.6 总结 |
| 第七章 总结和展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 附录 轨道衡称重仿真实验数据 |
| 致谢 |
| 攻读硕士期间主要研究成果 |
（3）人工免疫算法及其在核医学分子影像中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 本文研究内容及论文结构 |
| 第二章 人工免疫算法及核医学分子影像定量分析概述 |
| 2.1 生物免疫系统 |
| 2.1.1 生物免疫学基础 |
| 2.1.2 生物免疫系统及其功能特点 |
| 2.1.3 生物免疫系统的两个重要学说 |
| 2.2 人工免疫系统 |
| 2.2.1 人工免疫系统研究历史和现状 |
| 2.2.2 人工免疫系统算法 |
| 2.3 核医学分子影像基础 |
| 2.4 PET定量分析 |
| 2.4.1 动力学模型简介 |
| 2.4.2 模型参数优化方法研究现状 |
| 第三章 基于人工免疫网络的小动物PET分子影像动力学参数估计 |
| 3.1 引言 |
| 3.2 人工免疫网络PKAIN算法 |
| 3.2.1 基本术语 |
| 3.2.2 PKAIN算法描述 |
| 3.3 FDG-PET分子影像动力学参数估计 |
| 3.3.1 小动物PET动物实验获取 |
| 3.3.2 FDG动力学模型简介 |
| 3.3.3 葡萄糖代谢率参数的计算 |
| 3.3.4 FDG代谢模型的参数估计 |
| 3.4 改进的PKAIN算法估计分子影像动力学参数估计 |
| 3.4.1 全局粒子群协作算子描述 |
| 3.4.2 单点变异描述 |
| 3.4.3 肝脏FDG代谢模型的参数估计 |
| 3.5 本章小结 |
| 第四章 基于人工免疫多目标算法的核医学分子影像动力学参数估计 |
| 4.1 引言 |
| 4.2 多目标优化研究进展 |
| 4.2.1 多目标优化问题 |
| 4.2.2 多目标优化算法 |
| 4.3 非支配集构造 |
| 4.4 免疫优化算法PKICA的设计与实现 |
| 4.4.1 算法流程图 |
| 4.4.2 算法具体步骤描述 |
| 4.4.3 PKICA用于求解多目标优化问题 |
| 4.4.4 算法复杂度分析 |
| 4.5 测试函数优化仿真实验 |
| 4.5.1 算法的性能度量指标 |
| 4.5.2 测试函数描述 |
| 4.5.3 算法参数设置 |
| 4.5.4 仿真结果及其分析 |
| 4.6 SIME参数估计 |
| 4.6.1 SIME简介 |
| 4.6.2 生成仿真数据 |
| 4.6.3 统计指标 |
| 4.6.4 算法参数设置 |
| 4.6.5 仿真结果及其分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录：作者在攻读硕士学位期间发表的论文 |
（4）商业银行金融产品创新的风险传染与免疫研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 研究的目的与意义 |
| 1.1.1 研究目的 |
| 1.1.2 研究意义 |
| 1.2 国内外相关研究综述 |
| 1.2.1 商业银行金融产品创新的研究 |
| 1.2.2 银行风险管理方面的研究 |
| 1.2.3 金融创新的风险管理研究 |
| 1.2.4 研究评述与研究机会 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 第2章 商业银行金融产品创新的基本理论 |
| 2.1 商业银行金融产品创新的内涵与特征 |
| 2.1.1 创新的理论研究 |
| 2.1.2 产品创新的内涵 |
| 2.1.3 金融产品创新的内涵 |
| 2.2 商业银行金融产品创新效应及其管理学模型 |
| 2.2.1 商业银行金融产品创新的积极效应 |
| 2.2.2 商业银行金融产品创新的消极效应 |
| 2.2.3 金融产品创新的管理学模型 |
| 2.3 我国商业银行金融产品创新的现状分析 |
| 2.3.1 我国商业银行金融产品创新的现状描述 |
| 2.3.2 我国商业银行金融产品创新存在问题 |
| 2.3.3 制约商业银行金融产品创新的因素分析 |
| 本章小结 |
| 第3章 商业银行金融产品创新风险传染模型 |
| 3.1 商业银行金融产品创新的风险表现与来源 |
| 3.1.1 风险概念来源及内涵 |
| 3.1.2 金融风险的内涵 |
| 3.1.3 金融产品创新的风险内涵 |
| 3.1.4 金融产品创新风险的来源 |
| 3.2 商业银行金融产品创新链及其特征 |
| 3.2.1 创新链的界定 |
| 3.2.2 金融产品创新链的概念与模型 |
| 3.2.3 金融产品创新链的特征 |
| 3.2.4 金融产品创新链的运行机理 |
| 3.3 商业银行金融产品创新风险传染及其链网模型 |
| 3.3.1 商业银行金融产品创新风险传染界定 |
| 3.3.2 商业银行金融产品创新的小世界网络模型 |
| 3.3.3 基于小世界网络分析的商业银行金融产品创新的风险链网模型及其分析 |
| 本章小结 |
| 第4章 商业银行金融产品创新风险传染要素 |
| 4.1 商业银行金融产品创新风险传染的特征 |
| 4.1.1 商业银行金融产品创新风险传染的一般特征 |
| 4.1.2 与疾病传染类比情况下的风险传染特征 |
| 4.1.3 金融产品创新风险传染过程 |
| 4.2 商业银行金融产品创新风险传染载体和路径 |
| 4.2.1 传染的基本条件 |
| 4.2.2 风险传染载体 |
| 4.2.3 基于金融产品创新业务流程链的风险传染路径 |
| 4.3 商业银行金融产品创新风险传染规律 |
| 本章小结 |
| 第5章 商业银行金融产品创新风险免疫理论 |
| 5.1 生物免疫与金融产品创新风险免疫类比 |
| 5.1.1 生物免疫系统 |
| 5.1.2 生物免疫系统的免疫机制 |
| 5.1.3 人工免疫系统简介 |
| 5.2 商业银行金融产品创新的风险免疫与生物免疫对比 |
| 5.2.1 商业银行金融产品创新风险免疫与生物免疫的相似性 |
| 5.2.2 商业银行金融产品创新风险免疫的基本思想与免疫机制 |
| 5.2.3 生物免疫系统与金融产品创新风险免疫系统的映射关系 |
| 5.3 商业银行金融产品创新风险免疫系统的构成 |
| 本章小结 |
| 第6章 商业银行金融产品创新风险免疫系统设计与风险监控 |
| 6.1 商业银行金融产品创新风险免疫系统设计思路 |
| 6.1.1 商业银行金融产品创新的流程 |
| 6.1.2 商业银行金融产品创新风险免疫系统设计步骤 |
| 6.1.3 商业银行金融产品创新风险免疫系统形态空间设定 |
| 6.1.4 商业银行金融产品创新风险免疫系统自体与非自体设定 |
| 6.1.5 商业银行金融产品创新风险免疫系统抗体和抗原设定 |
| 6.2 商业银行金融产品创新风险免疫算法 |
| 6.2.1 金融产品创新风险免疫系统的否定选择算法 |
| 6.2.2 金融产品创新风险免疫系统的克隆选择算法 |
| 6.2.3 金融产品创新风险免疫系统的免疫进化算法 |
| 6.3 商业银行金融产品创新风险免疫系统的免疫细胞构建 |
| 6.3.1 基本原理 |
| 6.3.2 免疫细胞模型构建与阐释 |
| 6.3.3 基于创新过程的商业银行金融产品创新风险免疫模块构建 |
| 6.3.4 金融产品创新风险管理的免疫策略 |
| 6.4 基于残余抗原模型的商业银行金融产品创新风险监控 |
| 6.4.1 风险检测模型与免疫理论 |
| 6.4.2 残余抗原学说的基本内容 |
| 6.4.3 基于残余抗原理论的动态记忆算法的基本思想 |
| 6.4.4 基于残余抗原理论的商业银行金融产品创新风险免疫监控 |
| 本章小结 |
| 第7章 案例研究:次贷危机对商业银行金融产品创新的启示 |
| 7.1 美国次贷危机简介 |
| 7.1.1 美国房地产抵押贷款的市场结构 |
| 7.1.2 美国次贷产品的运作框架与创新链条 |
| 7.1.3 次贷危机爆发前的次贷业务发展 |
| 7.2 美国次贷危机发生机制分析 |
| 7.2.1 次贷危机发生的原因及危机传染条件分析 |
| 7.2.2 美国次贷危机的传染路径 |
| 7.2.3 美国次贷危机的风险传染链 |
| 7.3 美国次贷危机对商业银行金融产品风险控制的启示 |
| 本章小结 |
| 第8章 全文总结与研究展望 |
| 8.1 全文总结 |
| 8.2 创新点 |
| 8.3 研究展望 |
| 致谢 |
| 参考文献 |
| 发表的论文和参与的科研项目 |
（5）基于人工免疫网络的分类算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究意义和背景 |
| 1.2 本文研究内容和创新点 |
| 1.3 本文的组织结构 |
| 第二章 免疫系统与分类 |
| 2.1 自然免疫系统 |
| 2.1.1 免疫分类 |
| 2.1.2 免疫系统功能 |
| 2.1.3 免疫系统理论 |
| 2.2 人工免疫系统 |
| 2.2.1 人工免疫系统仿生机理 |
| 2.2.2 克隆选择算法 |
| 2.2.3 否定选择算法 |
| 2.3 分类 |
| 2.3.1 概念 |
| 2.3.2 机器学习 |
| 2.3.3 自动推理 |
| 2.3.4 传统分类方法及其优缺点 |
| 第三章 人工免疫网络模型及其分类算法 |
| 3.1 人工免疫网络模型 |
| 3.1.1 aiNet |
| 3.1.2 资源受限人工免疫网络系统RLAIS |
| 3.1.3 多值免疫网络 |
| 3.2 基于人工免疫网络的分类算法研究现状 |
| 3.2.1 AIRS |
| 3.2.2 人工免疫网络记忆分类器AINMC |
| 3.2.3 现有算法优缺点 |
| 第四章 一种带有阴性选择的人工免疫网络分类算法 |
| 4.1 算法设计思路 |
| 4.2 算法流程图 |
| 4.3 算法具体描述 |
| 4.4 仿真实验与分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验结果及分析 |
| 第五章 一种基于自适应半径的人工免疫网络分类算法 |
| 5.1 算法设计思路 |
| 5.2 ROUGH SET 下的多粒度理解 |
| 5.3 算法详细描述 |
| 5.3.1 学习 |
| 5.3.2 识别 |
| 5.4 实验设计与分析 |
| 5.4.1 模拟数据测试 |
| 5.4.2 真实数据测试 |
| 第六章 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻硕期间取得的研究成果 |
（6）人工免疫算法优化及其应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.1.1 网络安全现状 |
| 1.1.2 入侵检测技术的发展 |
| 1.1.3 人工免疫系统的出现 |
| 1.2 国内外研究概况 |
| 1.2.1 国外研究概况 |
| 1.2.2 国内研究概况 |
| 1.3 主要研究内容与创新性 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究创新性 |
| 第二章 生物免疫系统与人工免疫系统 |
| 2.1 生物免疫系统 |
| 2.1.1 生物免疫系统构成 |
| 2.1.2 生物免疫系统基本功能 |
| 2.1.3 生物免疫应答 |
| 2.1.4 生物免疫中的阴性选择 |
| 2.1.5 生物免疫中的克隆选择 |
| 2.1.6 生物免疫系统特点 |
| 2.2 人工免疫系统 |
| 2.2.1 人工免疫系统构成 |
| 2.2.2 人工免疫系统特点 |
| 2.2.3 人工免疫系统应用 |
| 第三章 阴性选择算法改进与MHC 滤窗 |
| 3.1 阴性选择算法的发展 |
| 3.2 阴性选择算法分析 |
| 3.2.1 基本定义 |
| 3.2.2 黑洞 |
| 3.2.3 检测器产生流程 |
| 3.3 阴性选择算法改进 |
| 3.3.1 主要组织相容性复合体 |
| 3.3.2 特征值改进阴性选择算法 |
| 3.3.3 匹配概率分析 |
| 3.4 MHC 独立检测滤窗 |
| 3.4.1 黑洞分析 |
| 3.4.2 检测滤窗 |
| 3.4.3 子矩阵滤窗 |
| 3.5 仿真实验 |
| 3.5.1 仿真程序设计 |
| 3.5.2 仿真结果 |
| 第四章 克隆选择算法优化MHC 滤窗 |
| 4.1 克隆选择算法概述 |
| 4.1.1 克隆选择算法的发展 |
| 4.1.2 克隆选择算法的特点 |
| 4.2 克隆选择算法分析 |
| 4.2.1 Castro 克隆选择算法 |
| 4.2.2 动态克隆选择算法 |
| 4.3 MHC 检测滤窗优化 |
| 4.3.1 克隆算法改进检测流程 |
| 4.3.2 克隆检测器流程 |
| 4.4 仿真实验 |
| 4.4.1 仿真程序设计 |
| 4.4.2 仿真结果 |
| 第五章 人工免疫检测在网络攻击检测中的应用 |
| 5.1 拒绝服务攻击概述 |
| 5.1.1 拒绝服务攻击危害性 |
| 5.1.2 拒绝服务攻击发展趋势 |
| 5.2 拒绝服务攻击分析 |
| 5.2.1 拒绝服务攻击原理 |
| 5.2.2 拒绝服务攻击分类 |
| 5.2.3 部分Dos 攻击方法及防御机制 |
| 5.3 SYN Flooding 与 UDP Flooding 攻击 |
| 5.3.1 SYN Flooding 基本原理 |
| 5.3.2 SYN Flooding 常见防御手段 |
| 5.3.3 UDP Flooding 基本原理 |
| 5.3.4 UDP Flooding 常见防御手段 |
| 5.4 人工免疫检测防御 Dos 攻击 |
| 5.4.1 人工免疫检测防御SYN Flooding 攻击 |
| 5.4.2 人工免疫检测防御UDP Flooding 攻击 |
| 5.5 仿真实验 |
| 5.5.1 仿真程序设计 |
| 5.5.2 仿真结果 |
| 第六章 人工免疫检测在商业智能中的应用 |
| 6.1 商业智能概述 |
| 6.1.1 商业智能的定义和发展 |
| 6.1.2 商业智能系统的作用 |
| 6.1.3 联机分析处理 |
| 6.2 人工免疫检测防范 Cube 异常 |
| 6.2.1 商业智能系统设计 |
| 6.2.2 人工免疫算法对BI 系统的改进 |
| 6.3 仿真实验 |
| 6.3.1 仿真程序设计 |
| 6.3.2 仿真结果 |
| 第七章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者在攻读博士学位期间公开发表的论文 |
| 致谢 |
| 附录：论文编制的部分程序代码 |
（7）基于人工免疫的动态网络入侵检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 课题研究背景及现状 |
| 1.2.1 网络安全基本概念 |
| 1.2.2 网络安全的关键技术 |
| 1.2.3 网络安全的相关措施 |
| 1.3 入侵检测技术研究背景 |
| 1.4 人工免疫系统的国内外研究现状 |
| 1.5 本文主要的研究内容 |
| 1.6 论文组织结构 |
| 第2章 入侵检测技术综述 |
| 2.1 基本概念 |
| 2.2 根据数据来源不同对入侵检测系统分类 |
| 2.2.1 基于主机的入侵检测系统 |
| 2.2.2 基于网络的入侵检测系统 |
| 2.2.3 分布式入侵检测系统 |
| 2.3 根据检测方法不同对入侵检测系统分类 |
| 2.3.1 异常入侵检测 |
| 2.3.2 误用入侵检测 |
| 2.4 入侵检测公用框架CIDF模型简介 |
| 2.5 现有入侵检测系统的局限性 |
| 2.5.1 对于基于主机入侵检测而言存在的问题 |
| 2.5.2 对于基于网络的入侵检测而言存在的问题 |
| 2.5.3 现有入侵检测系统共同的问题 |
| 2.6 入侵检测技术的发展趋势 |
| 2.7 本章小结 |
| 第3章 基于人工免疫的入侵检测方法研究 |
| 3.1 人工免疫 |
| 3.1.1 自然免疫学基础 |
| 3.1.2 人工免疫系统 |
| 3.1.3 否定选择算法的不足与改进 |
| 3.1.4 r连续位匹配 |
| 3.2 基于人工免疫的入侵检测问题描述 |
| 3.3 自体集动态化 |
| 3.4 漏洞问题 |
| 3.4.1 共同进化现象 |
| 3.4.2 共同进化模型 |
| 3.5 本章小结 |
| 第4章 基于人工免疫的动态网络入侵检测模型设计 |
| 4.1 模型概述 |
| 4.2 模型设计 |
| 4.2.1 误用检测模块 |
| 4.2.2 成熟细胞生成模块 |
| 4.2.3 记忆检测模块 |
| 4.2.4 成熟检测模块 |
| 4.2.5 协同刺激过程 |
| 4.2.6 自体动态化过程 |
| 4.2.7 共同进化法强化系统模型 |
| 第5章 仿真实验及结果分析 |
| 5.1 实验数据来源 |
| 5.1.1 基本特征(basic features) |
| 5.1.2 内容特征(content features) |
| 5.1.3 网络流量特征(traffic features) |
| 5.2 数据预处理 |
| 5.3 实验目的 |
| 5.4 实验环境 |
| 5.5 实验过程及结果分析 |
| 5.5.1 成熟检测器生成比较实验 |
| 5.5.2 各参数对系统结果的影响 |
| 5.5.3 共同进化法强化系统实验 |
| 第6章 结论 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（8）人工免疫系统在自适应Web中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 自适应Web研究内容 |
| 1.3 相关研究及应用现状 |
| 1.3.1 人工免疫系统的应用简述 |
| 1.3.2 自适应Web的研究以及应用现状 |
| 1.3.3 聚类在自适应Web中应用的进展 |
| 1.4 本文的研究内容 |
| 1.5 论文的组织 |
| 第二章 理论基础与相关技术 |
| 2.1 自适应Web技术 |
| 2.1.1 自适应Web技术研究的主要目标 |
| 2.1.2 自适应Web技术质量评价 |
| 2.1.3 面向移动用户的Web自适应技术 |
| 2.2 人工免疫系统 |
| 2.2.1 生物免疫系统及其机理 |
| 2.2.2 有用的免疫学机理 |
| 2.2.3 人工免疫系统模型 |
| 2.2.4 人工免疫系统的一般框架 |
| 2.2.5 人工免疫系统的主要算法 |
| 2.3 聚类技术 |
| 2.3.1 聚类的定义 |
| 2.3.2 主要聚类方法的分类 |
| 2.3.2.1 划分方法 |
| 2.3.2.2 层次方法 |
| 2.3.2.3 基于密度的方法 |
| 2.3.2.4 基于网格的方法 |
| 2.3.2.5 基于模型的聚类方法 |
| 2.3.3 聚类的典型要求 |
| 第三章 基于人工免疫可更新簇的聚类算法 |
| 3.1 基于人工免疫聚类算法研究现状 |
| 3.2 基于人工免疫可更新簇聚类算法 |
| 3.2.1 基于人工免疫可更新簇算法的基本原理 |
| 3.2.2 基于人工免疫可更新簇算法的实现 |
| 3.2.3 基于人工免疫可更新簇算法试验结果及分析 |
| 3.3 本章小结 |
| 第四章 人工免疫聚类算法在面向移动用户Web自适应导航中的应用 |
| 4.1 面向移动用户的Web自适应导航 |
| 4.1.1 面向移动用户的Web自适应导航的概述 |
| 4.1.2 Web路径"捷径"的思想 |
| 4.1.3 MINPATH算法 |
| 4.2 路径聚类算法 |
| 4.2.1 用户访问行为描述 |
| 4.2.2 Web日志数据预处理 |
| 4.2.3 路径识别 |
| 4.2.4 基于人工免疫路径聚类算法 |
| 4.3 基于人工免疫路径聚类在面向移动用户Web自适应导航的应用 |
| 4.3.1 "捷径"目的页面的选择 |
| 4.3.2 确定"捷径"链接"锚字(anchor)"及放置位置 |
| 4.3.3 基于人工免疫"捷径"方法的分析 |
| 4.4 本章小结 |
| 第五章 总结 |
| 5.1 本文的工作和主要贡献 |
| 5.2 以后的研究工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（9）基于人工免疫系统的检测器生成算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 IDS的发展过程 |
| 1.1.1 精简审计问题的提出 |
| 1.1.2 入侵检测专家系统(IDES) |
| 1.1.3 商业产品的出现 |
| 1.1.4 非商用入侵检测系统 |
| 1.2 入侵检测研究现状 |
| 1.3 现有入侵检测方法所存在的不足 |
| 1.4 论文的研究内容和组织结构 |
| 1.4.1 研究内容 |
| 1.4.2 论文的组织结构 |
| 第二章 入侵检测系统概况 |
| 2.1 入侵检测系统的CIDF模型 |
| 2.2 入侵检测系统中的分类 |
| 2.2.1 根据检测数据源的分类 |
| 2.2.2 根据入侵检测方法的分类 |
| 2.2.3 根据系统体系结构的分类 |
| 2.3 入侵检测系统的目标 |
| 2.4 入侵检测系统的发展趋势 |
| 第三章 免疫原理与人工免疫系统 |
| 3.1 免疫系统的相关原理 |
| 3.1.1 生物免疫系统简介 |
| 3.1.2 免疫识别 |
| 3.1.3 免疫应答 |
| 3.1.4 否定选择原理 |
| 3.2 生物免疫系统的特性及与计算机免疫的关系 |
| 3.2.1 识别多样性 |
| 3.2.2 联想记忆及再次应答 |
| 3.2.3 疫苗接种 |
| 3.2.4 免疫系统与计算机免疫系统的关系 |
| 3.3 人工免疫系统(AIS) |
| 3.3.1 人工免疫系统的含义 |
| 3.3.2 AIS的一般框架 |
| 3.3.3 人工免疫系统与入侵检测系统的关系 |
| 3.3.4 AIS的应用概述 |
| 第四章 一种新的基于海明距离的检测器生成算法 |
| 4.1 基于人工免疫的入侵检测问题描述 |
| 4.2 人工免疫系统中的近似匹配算法 |
| 4.2.1 海明距离公式 |
| 4.2.2 连续r位的匹配规则 |
| 4.2.3 r-chunk(rch) |
| 4.2.4 Landscape-Affinity匹配 |
| 4.3 基于否定选择的检测器生成算法 |
| 4.3.1 否定选择算法 |
| 4.3.2 否定选择变异算法 |
| 4.3.3 r可变否定选择算法 |
| 4.3.4 多级否定选择算法(M-NSA) |
| 4.3.5 几种算法的比较分析 |
| 4.3.6 一种新的基于海明距离的否定选择算法(h-NSA) |
| 第五章 h-NSA算法实验与结果分析 |
| 5.1 实验描述 |
| 5.2 h-NSA与t-NSA中G_M的比较 |
| 5.3 t-NSA和N-NSA中D_R的比较 |
| 5.4 实验结果分析与比较 |
| 5.4.1 N_R的分析比较 |
| 5.4.2 算法复杂度分析 |
| 第六章 结论与展望 |
| 6.1 本文的主要工作 |
| 6.2 进一步的工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间撰写及发表论文情况 |
（10）改进的免疫遗传算法与人工神经网络在多机器人系统围捕问题的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 项目研究的背景及目的意义 |
| 1.2 多机器人系统研究的国内外现状与发展趋势 |
| 1.2.1 从七十年代中期开始至今多机器人系统的研究概况 |
| 1.2.2 多机器人系统仿真平台的研究现状 |
| 1.3 论文主要研究内容和创新之处 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 本文的主要创新之处 |
| 1.4 小结 |
| 第二章 多机器人系统研究的基础理论和方法 |
| 2.1 引言 |
| 2.2 人工神经网络理论基础 |
| 2.2.1 神经网络的发展与应用 |
| 2.2.2 人工神经网络的特点 |
| 2.2.3 人工神经元模型 |
| 2.2.4 网络结构及工作方式 |
| 2.2.5 ANN的学习方式 |
| 2.2.6 ANN的学习算法 |
| 2.2.7 学习与自适应 |
| 2.3 人工免疫算法 |
| 2.3.1 自然免疫系统 |
| 2.3.2 自然免疫系统的特性 |
| 2.3.3 人工免疫系统的应用 |
| 2.3.4 人工免疫算法 |
| 2.3.5 人工免疫算法流程 |
| 2.4 智能机器人体系结构概述 |
| 2.4.1 分层递阶结构 |
| 2.4.2 包容结构 |
| 2.4.3 三层结构 |
| 2.4.4 自组织结构 |
| 2.4.5 分布式结构 |
| 2.4.6 进化控制结构 |
| 2.4.7 社会机器人结构 |
| 2.5 “捕食者——猎物”问题 |
| 2.6 本章小结 |
| 第三章 IGAE-ANN行为决策系统的设计研究 |
| 3.1 引言 |
| 3.2 研究问题描述 |
| 3.2.1 机器人运动环境的设定 |
| 3.2.2 捕猎机器人的设置 |
| 3.3 人工神经网络的选择 |
| 3.3.1 神经网络的结构 |
| 3.3.2 神经网络的功能 |
| 3.3.3 神经网络的学习方式 |
| 3.4 改进的人工免疫算法 |
| 3.4.1 人工免疫算法中的几个重要定义 |
| 3.4.2 精英保留策略 |
| 3.4.3 改进的人工免疫算法流程 |
| 3.5 IGAE-ANN行为决策系统 |
| 3.5.1 IGAE-ANN行为决策系统结构 |
| 3.5.2 优化问题描述 |
| 3.6 本章小节 |
| 第四章 多机器人系统仿真实验设计 |
| 4.1 引言 |
| 4.2 多移动机器人动态空间建模 |
| 4.2.1 环境建模 |
| 4.3 猎物机器人的逃跑策略 |
| 4.4 IGAE中控制参数的选取 |
| 4.4.1 群体规模m_(an)的选择 |
| 4.4.2 交叉概率 P_c的选取 |
| 4.4.3 变异概率 P_m的选取 |
| 4.4.4 抗体相似度阈值ε_1和ε_2的选取 |
| 4.4.5 β_0的选取 |
| 4.5 仿真实验设计 |
| 4.5.1 基于二进制编码的神经网络的构建 |
| 4.5.2 初始群体的产生 |
| 4.5.3 计算适应度 |
| 4.5.4 免疫选择操作 |
| 4.6 仿真步骤实现 |
| 4.6.1 对围捕实验做的一些假设 |
| 4.6.2 基于 IGAE-ANN行为决策系统的多机器人“围捕”实验仿真步骤 |
| 4.7 主要程序模块介绍 |
| 4.7.1 IGAE算法与 ANN融合模块 |
| 4.7.2 抗体判优模块 |
| 4.7.3 环境构建模块 |
| 4.8 本章小结 |
| 第五章 仿真结果分析 |
| 5.1 引言 |
| 5.2 围捕仿真实验参数设置 |
| 5.2.1 参数编码设置 |
| 5.2.2 仿真参数选取 |
| 5.3 仿真结果 |
| 5.3.1 收敛速度 |
| 5.3.2 解的波动性 |
| 5.3.3 动态收敛特征 |
| 5.3.4 IGAE算法主要参数的影响 |
| 5.3.5 不同的选择方法对围捕效果的影响 |
| 5.4 与具有精英保留策略的标准遗传算法(CGAE)的比较 |
| 5.4.1 收敛速度 |
| 5.4.2 解的波动性 |
| 5.4.3 动态收敛特征 |
| 5.5 多机器人围捕仿真组图 |
| 5.6 小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文 |
四、自然免疫与人工免疫一个都不能少（论文参考文献）
- [1]基于免疫算法的化工过程优化[D]. 林力. 北京化工大学, 2012(11)
- [2]基于人工免疫系统的智能融合算法研究及应用[D]. 朱亚男. 中南大学, 2012(02)
- [3]人工免疫算法及其在核医学分子影像中的应用研究[D]. 陈玉婷. 江南大学, 2012(08)
- [4]商业银行金融产品创新的风险传染与免疫研究[D]. 姚良. 武汉理工大学, 2010(07)
- [5]基于人工免疫网络的分类算法研究[D]. 李伟. 电子科技大学, 2010(03)
- [6]人工免疫算法优化及其应用研究[D]. 徐锐. 上海大学, 2009(05)
- [7]基于人工免疫的动态网络入侵检测技术研究[D]. 岳增书. 东北大学, 2008(03)
- [8]人工免疫系统在自适应Web中的应用研究[D]. 范志宏. 广西大学, 2007(05)
- [9]基于人工免疫系统的检测器生成算法研究[D]. 章登科. 华南师范大学, 2007(06)
- [10]改进的免疫遗传算法与人工神经网络在多机器人系统围捕问题的应用[D]. 杨星. 中南大学, 2007(06)