《基于免疫计算的机器学习方法及应用》徐雪松【文字版_PDF电子书_推荐】
内容简介：
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*发展动态和方向。
作者简介：
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Volan National Center for Complex Systems访问学者、美国哈佛大学 Data Science Center 研究员、国家高级项目管理师、数据分析师。湖南省青年骨干教师培养对象，湖南商学院麓山青年学者。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、湖南省物联网协会理事成员、IEEE Member、ACM Member及计算机学会会员。
主要从事机器学习、复杂系统智能决策和方法研究工作。主持国家、教育部及省级课题11项，出版学术专着2部，主编省十二五规划教材1部。在国际SCI源刊及国内《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》等刊物发表论文40余篇。担任国际SCI期刊Asian Journal of Control、Applied Mathematics & Information Sciences及《自动化学报》等知名期刊审稿人。授权国家发明专利2项、实用新型专利2项和国家软件着作权5项。
目 录：
目录
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…..
《基于免疫计算的机器学习方法及应用》徐雪松【文字版_PDF电子书_下载】大小：2.70MB已经过安全软件检测无毒，请您放心下载。浏览器不支持脚本！购买本书：当当图书商城 | | 淘宝购书
有需要联系v；hx-hx4
摘要：《基于免疫计算的机器学习方法及应用》是一本计算机类的书籍，作者是徐雪松。本书通过免疫计算方法来探讨机器学习的应用。全文从四个方面对这本书进行详细阐述：免疫计算的基本原理、免疫计算与机器学习的结合、机器学习算法和应用案例。在总结中对全文进行归纳总结。
1、免疫计算的基本原理
在这一部分，我们将详细介绍免疫计算的基本原理。免疫计算是一种模拟人类免疫系统的计算方法，它模拟了免疫系统中的抗体、抗原和免疫记忆等过程。我们将介绍免疫计算的基本原理、免疫系统的组成以及免疫计算的应用领域。
免疫计算的基本原理是通过模拟免疫系统中的抗体与抗原的相互作用来实现计算过程。免疫系统是人体的一种防御系统，它能够识别和消灭入侵的病原体。免疫计算模拟了免疫系统中的一些重要过程，如抗体的生成、抗原的识别和免疫记忆的形成。免疫计算广泛应用于数据挖掘、模式识别和优化等领域。
2、免疫计算与机器学习的结合
在这一部分，我们将介绍免疫计算与机器学习的结合。免疫计算与机器学习的结合可以提高机器学习算法的性能，并且能够解决一些传统机器学习算法存在的问题。我们将介绍免疫计算与机器学习的结合方法、免疫计算在机器学习中的应用以及免疫计算算法的评价指标。
免疫计算与机器学习的结合可以提高机器学习算法的性能。免疫计算通过模拟免疫系统的抗体生成和抗原识别过程来进行特征选择和分类任务。免疫计算算法可以通过对输入数据进行特征选择和抽样来减少特征维度和样本数量，从而提高机器学习算法的性能。免疫计算算法还可以通过模拟免疫系统的免疫记忆过程来进行模型选择和参数调节，从而提高机器学习算法的泛化能力。
3、机器学习算法
在这一部分，我们将介绍机器学习算法。机器学习算法是一种通过学习数据来构建模型并进行预测和决策的方法。我们将介绍机器学习算法的分类、常用的机器学习算法以及机器学习算法的评价指标。
机器学习算法可以分为监督学习、无监督学习和强化学习等几种类型。监督学习是一种通过已知输入和输出的数据来构建模型的方法，无监督学习是一种通过未标记数据来构建模型的方法，而强化学习是一种通过与环境的交互来学习最优策略的方法。常用的机器学习算法包括决策树、支持向量机、神经网络和深度学习等。机器学习算法的评价指标有准确率、召回率、F1值和AUC等。
4、应用案例
在这一部分，我们将介绍机器学习在各个领域的应用案例。机器学习在医疗、金融、电商和智能交通等领域都有广泛的应用。我们将介绍机器学习在这些领域中的具体应用案例，如医疗诊断、金融风险评估、电商推荐和智能交通管控等。
机器学习在医疗诊断中可以通过分析医学影像和病历数据来辅助医生进行疾病诊断和治疗。在金融领域，机器学习可以通过分析用户的信用记录和消费行为来评估用户的信用风险。在电商领域，机器学习可以通过分析用户的购买记录和行为特征来提供个性化推荐。在智能交通领域，机器学习可以通过分析交通流量和车辆行驶轨迹来优化交通信号控制和路网规划。
总结：
《基于免疫计算的机器学习方法及应用》是一本介绍免疫计算及其在机器学习中的应用的计算机类书籍。本书从免疫计算的基本原理、免疫计算与机器学习的结合、机器学习算法和应用案例等方面进行了详细阐述。通过本书的学习，读者可以了解免疫计算的基本原理、掌握免疫计算与机器学习的结合方法、学习常用的机器学习算法以及了解机器学习在各个领域的应用。本文由nayona.cn整理
本文采摘于网络，不代表本站立场，转载联系作者并注明出处： https://sm.nayona.cn/xinnengyuan/258993.html
