叙述了人工免疫学的概况及免疫系统的组成,提出了一种新的优化算法——免疫遗传算法,该算法突出了免疫系统中抗体群合作进化思想.将该方法用于以高炉焦比为优化目标的优化问题,取得较好的效果

提出一种基于生物免疫应答机理的人工免疫应答模型.它包括抗原匹配、克隆选择、变异、亲和力成熟等四个过程,通过克隆、变异过程实现抗体的多样性使所建立的系统具有较好的自适应能力,利用亲和力成熟过程完成知识的学习和积累.该模型具有运行参数少,稳定性好的特点,在提高数据压缩率和识别率方面具有较好的效果

提出了一种基于免疫原理的故障检测及诊断系统模型.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域.将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛.应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性

提出了一种基于免疫识别原理的径向基函数神经网络学习算法.该算法利用人工免疫系统的识别、记忆、学习等原理,将输入数据作为抗原,抗体为抗原的压缩映射作为径向基函数神经网络模型的隐层中心,输出采用最小二乘法确定权值.通过预报热轧带肋钢筋力学性能的仿真实验结果表明,与K-均值法选择中心点比较,该算法计算量较小,精度高

• 细菌感染性标本的采集原则 • 细菌感染的实验室检验程序 • 常用的血清学诊断方法 • 适应性免疫的获得方式 • 人工免疫的概念和常用的免疫制剂 • 细菌感染的治疗原则 第一节 细菌感染的实验诊断 第二节 细菌感染的特异性预防 第三节 细菌感染的治疗原则

◼ Introduction to the Immune System ◼ Artificial Immune Systems ◼ A Framework to Design Artificial Immune Systems (AIS) ◼ Representation Schemes ◼ Affinity Measures ◼ Immune Algorithms ◼ Discussion and Main Trends

【学术论文】人工免疫系统研究进展

What are we going to do?: First Half: Describe what is an AIS Why bother with the immune system? Be familiar with relevant immunology Second Half: Appreciation of were AIS are used Be familiar with the building blocks of AIS Resources

提出了一种人工免疫识别算法.该算法将所识别的数据作为抗原,利用抗体、抗原的亲和作用,通过刺激/抑制有关抗体的活动建立一个抗体记忆集合,识别和表示数据结构组织,它具有识别多样性、自我调节功能等特点.通过对二维实数空间的数据和Iris数据进行实验,结果表明该方法聚类效果好,识别率高,且具有较好的泛化能力

经典粒子群算法由于多样性差而陷入局部最优，从而造成早熟停滞现象.为克服上述缺点，本文结合人工免疫算法，提出一种基于自适应搜索的免疫粒子群算法.首先，该算法改善了浓度机制；然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源；最后对劣质子种群进行疫苗接种，利用粒子最大浓度值调节接种疫苗的搜索范围，不仅避免了种群退化现象，而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性