1、本文主要研究免疫計算智能在數(shù)據(jù)分析中的應(yīng)用，在對現(xiàn)有人工免疫數(shù)據(jù)分析技術(shù)的缺陷進行分析的基礎(chǔ)上，提出新型數(shù)據(jù)分類技術(shù)，與目前最成功的人工免疫系統(tǒng)分類方法—基于資源有限人工免疫系統(tǒng)的免疫識別系統(tǒng)AIRS進行比較研究?！　≡趯ψ匀幻庖呦到y(tǒng)原理與機制簡要描述基礎(chǔ)上，對人工免疫系統(tǒng)的原理與應(yīng)用進行了詳細綜述，重點介紹用于數(shù)據(jù)分析的免疫計算智能。aiNet是一種將人工免疫網(wǎng)絡(luò)與傳統(tǒng)聚類技術(shù)相集合的新型聚類分析方法，本文利用主元素分析技術(shù)對aiN

2、et可視化進行改進，證明aiNet利用傳統(tǒng)聚類技術(shù)分析高維多類數(shù)據(jù)方面和可視化方面存在缺陷，不是有效的、實用的數(shù)據(jù)分析方法?！　IRS是一種基于資源有限人工免疫系統(tǒng)的數(shù)據(jù)分類器，也是目前人工免疫系統(tǒng)領(lǐng)域最成功的分類器。本文提出基于人工免疫網(wǎng)絡(luò)的新型數(shù)據(jù)分類器—人工免疫網(wǎng)絡(luò)記憶分類器(AINMC)。在UCI標準數(shù)據(jù)集合上進行測試，與AIRS和其他傳統(tǒng)分類器進行比較，目的是研究基于人工免疫網(wǎng)絡(luò)原理的數(shù)據(jù)分類方法的性能。重點研究了AINM

3、C的主要參數(shù)與分類準確率的關(guān)系。實驗結(jié)果表明，人工免疫網(wǎng)絡(luò)記憶可以用于解決分類問題。在最佳參數(shù)設(shè)置情況下，AINMC具有良好的泛化分類性能和較高的分類準確率，具有優(yōu)于與AIRS的性能，并優(yōu)于許多傳統(tǒng)分類器。同時對AINMC的參數(shù)敏感性進行了分析，并與AIRS的記憶細胞距離分布進行了比較分析，揭示了AINMC具有比AIRS更好的分類性能的根源。　　本文對AINMC在多維多類數(shù)據(jù)集合上測試其性能，表明AINMC在多維多類測試數(shù)據(jù)集合上的性