雅书

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，出版学术专著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项和国家软件著作权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.....