阴性选择分类器原理与应用研究

《阴性选择分类器原理与应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、哈尔滨L程人学硕士学位论文摘要本文主要研究利用人工免疫系统进行Web文本挖掘的方法。第1章首先对选题背景进行了介绍，然后介绍了免疫学的发展历程和主要研究内容。因为免疫学与人工免疫系统是密切相关的，对二者之间的内在联系进行了归纳。本文的研究内容就是建立在免疫学与人工免疫系统的关系基础上。第2章对自然免疫系统进行了较详细的介绍，主要包括免疫系统的基本组成、机制和原理。人工免疫系统所依据的免疫学原理主要包括免疫网络理论，克隆选择和阴性选择原理。人工免疫系统正是建立在免疫学理论和免疫系统机制基础上。第3章就集中介绍了人工免疫系统的二迸制模型。许多是为了研究免疫系统机制而开发的。后来出现的模型逐渐

2、转到工程领域。本章重点介绍了最早由Farmer提出的微分方程，基于基因库的模型和协同进化算法模型。协同进化算法模型在本文进行扩展，应用到Web文本挖掘。第4章主要对Web文本挖掘技术进行了详细讨论，Web文本挖掘技术是涉及多个技术领域的交叉领域。包括许多较为复杂的技术方法，从特征抽取到模型建立，以及模型评价方法等等。这一章与前三章尤其是第2和第3章结合起来，形成本文第5章所给出的W曲文本分类模型理论与技术基础。第5章给出了基于协同进化算法的免疫阴性选择模型，并与传统方法进行了比较，给出了比较结果。表明人工免疫系统做为Web文本分类方法是可行的。虽然还有许多不足之处。关键词：自然免疫系统，

3、人工免疫系统，Web文本分类，协同进化算法AbstractInthdsp印er,itresearchesthewayofWebtextminingbyArtificialImmuneSystem．Inthefirstchapter，thebackgroundofresearchisintroduced．Andthenitintroducesthedevelopmenthistoryandthemainresearchesofimmunology,becauseimmunologyandArtificialImmuneSystemarecloserelatedeachother．Thein

4、ternalrelationisanalyzedbetweenthem．Inthesecondchapter,thenaturalimmunesystemisintroducedindetail，includingthebasiccomponents，mechanismsandprinciples．TheimmunologyprintiplesonwhichArtificialImmuneSystemdependsmainlyincludeimmunenetworktheory,theprincir}leofclonalselectionandtheprincipleofnegative

5、selection．ArtificialImmuneSystemisbuiltonthebasisofimmunologytheoryandthemechanismsofimmunesystem．Inchapter3，itfocusonthebinarymodelofArtificialImmuneSystem．Mostofthemaredevelopedforresearchingthemechanismsofimmunesystem．Thelatermodelsgraduallyaretransferredtothefieldofengineering．Farmer’Sdiffere

6、ntialequationmodel，themodelbasedongeneslibrariesandtheCO·evolutionarymodelaremainlydiscussedinthischapter．TheCO—evolutionarymodelistheonethatisexpandedtoWebtextmining．Inchapter4，thetechnologiesofWebtextminingalediscussedindetail．Itisacrossfieldthatinvolvesmanydifferenttechnologiesfieldandalsoincl

7、udemanycomplexwaysoftechnologiesfromfeatureextractiontomodelandtheevaluationwaysofmodelsandSOon．ThischapterandtheformerthreechaptersarecombinedtobethebasesoftheoryandtechnologyofthemodelofWebtextclassificationgiveninch