人工免疫系統(tǒng)與GIS空間分析應用

引言
第1章  概述
  1.1  GIS空間分析概述
    1.1.1  地理信息系統(tǒng)與空間信息系統(tǒng)
    1.1.2  GIS空間分析
    1.1.3  人工免疫系統(tǒng)應用于GIS空間分析的必要性和可能性
  1.2  醫(yī)學免疫學研究進展
    1.2.1  免疫學的起源
    1.2.2  免疫學的創(chuàng)立
    1.2.3  實驗免疫學的發(fā)展
    1.2.4  免疫學的近代發(fā)展
  1.3  國外人工免疫系統(tǒng)理論與應用研究進展
    1.3.1  2003年以前國外人工免疫系統(tǒng)研究進展
    1.3.2  2003年以來國外人工免疫系統(tǒng)研究進展
  1.4  國內(nèi)人工免疫系統(tǒng)理論與應用研究進展
    1.4.1  2003年以前國內(nèi)人工免疫系統(tǒng)研究進展
    1.4.2  2003年以來國內(nèi)人工免疫系統(tǒng)研究與地理信息應用進展
  1.5  人工免疫系統(tǒng)在空間信息系統(tǒng)中的應用前景
    1.5.1  空間數(shù)據(jù)獲取
    1.5.2  空間數(shù)據(jù)挖掘
    1.5.3  GIS空間分析
    1.5.4  地理系統(tǒng)模擬模型
  1.6  本書的研究目標和內(nèi)容
第2章  生物免疫系統(tǒng)組成結構及主要理論
  2.1  免疫系統(tǒng)解剖學特點
    2.1.1  淋巴組織器官
    2.1.2  免疫細胞
  2.2  免疫系統(tǒng)的一些基本概念
  2.3  生物免疫系統(tǒng)主要理論
    2.3.1  克隆選擇學說
    2.3.2  免疫網(wǎng)絡理論
  2.4  本章小結
第3章  人工免疫系統(tǒng)主要理論模型及克隆選擇算法的擴展
  3.1  人工免疫網(wǎng)絡模型
    3.1.1  字條空間模型
    3.1.2  免疫系統(tǒng)對象模型
    3.1.3  資源受限人工免疫網(wǎng)絡
    3.1.4  形態(tài)空間人工免疫調(diào)節(jié)網(wǎng)絡（SAIRN）
    3.1.5  動態(tài)離散決策機制模型
    3.1.6  人工免疫網(wǎng)絡模型
    3.1.7  結論
  3.2  免疫遺傳算法與克隆選擇算法
    3.2.1  免疫系統(tǒng)的遺傳算法建模方法和FPP模型
    3.2.2  免疫遺傳算法
    3.2.3  免疫遺傳算法
    3.2.4  免疫算法
    3.2.5  克隆選擇算法
    3.2.6  免疫優(yōu)勢克隆算法
    3.2.7  量子克隆進化策略算法
    3.2.8  結論
  3.3  克隆選擇算法的擴展——遺傳克隆選擇算法
    3.3.1  克隆選擇算法的擴展、改進——遺傳克隆選擇算法
    3.3.2  遺傳克隆選擇算法和克隆選擇算法、遺傳算法的比較
  3.4  基于遺傳克隆選擇算法的點狀地圖符號識別
    3.4.1  概述
    3.4.2  基于遺傳克隆選擇算法的點狀地圖符號識別
    3.4.3  結論
  3.5  本章小結
第4章  克隆選擇算法在布局一分配問題中的應用
  4.1  基于遺傳克隆選擇算法的布局一分配問題研究
    4.1.1  概述
    4.1.2  布局—分配問題的模型描述與主要算法
    4.1.3  布局—分配問題的遺傳克隆選擇算法求解
    4.1.4  實驗研究1：Cooper和Rosing測試數(shù)據(jù)實驗
    4.1.5  實驗研究2：油田最小費用的布局一分配問題
  4.2  基于克隆選擇算法的障礙布局一分配問題研究
    4.2.1  障礙布局一分配問題模型描述
    4.2.2  一種基于克隆選擇算法解決障礙布局一分配問題的簡化流程
    4.2.3  實驗研究
  4.3  本章小結
第5章  克隆選擇算法優(yōu)化BP神經(jīng)網(wǎng)絡的地理信息預測
  5.1  BP神經(jīng)網(wǎng)絡概述
    5.1.1  BP神經(jīng)網(wǎng)絡結構
    5.1.2  BP神經(jīng)網(wǎng)絡常用傳遞函數(shù)
    5.1.3  BP神經(jīng)網(wǎng)絡學習算法
    5.1.4  BP神經(jīng)網(wǎng)絡的限制與不足
  5.  基于遺傳克隆選擇算法優(yōu)化BP神經(jīng)網(wǎng)絡學習算法
  5.3  實例研究
    5.3.1  基于遺傳克隆選擇算法改進的BP網(wǎng)絡用于XOR問題的研究
    5.3.2  基于遺傳克隆選擇算法改進的BP網(wǎng)絡進行湖北省人口預測
  5.4  本章小結
第6章  人工免疫系統(tǒng)模型在空間信息聚類中的應用
  6.1  對人工免疫網(wǎng)絡模型進行空間數(shù)據(jù)聚類基本過程分析
    6.1.1  主要聚類方法簡介
    6.1.2  人工免疫網(wǎng)絡模型的特點及改進建議
    6.1.3  人工免疫網(wǎng)絡模型進行空間數(shù)據(jù)聚類基本過程分析
  6.2  基于人工免疫網(wǎng)絡模型的城市綜合實力聚類
    6.2.1  指標體系建立
    6.2.2  人工免疫網(wǎng)絡模型的設計與計算
    6.2.3  城市綜合實力聚類結果分析
    6.2.4  結論
  6.3  基于克隆選擇算法和自組織特征映射網(wǎng)絡的浙江省市縣現(xiàn)代化水平空間差異
    6.3.1  自組織特征映射網(wǎng)絡概述
    6.3.2  研究數(shù)據(jù)尺度與計算智能模型選擇
    6.3.3  應用克隆選擇算法分析浙江省城市化與非農(nóng)化空間差異
    6.3.4  應用克隆選擇算法和自組織特征映射網(wǎng)絡分析浙江省市縣現(xiàn)代化綜合水平空間差異
    6.3.5  結果與討論
  6.4  ?章小結
第7章  人工免疫系統(tǒng)模型與旅行商問題
  7.1  旅行商問題概述
    7.1.1  旅行商問題
    7.1.2  旅行商問題數(shù)學描述
  7.2  克隆選擇算法求解旅行商問題流程
  7.3  人工免疫系統(tǒng)模型求解旅行商問題實驗
    7.3.1  20城市以下TsP實驗
    7.3.2  20～30城市TsP實驗
    7.3.3  50～96城市TsP實驗
  7.4  本章小結
第8章  人工免疫系統(tǒng)模型與車輛路徑問題
  8.1  車輛路徑問題概述
    8.1.1  車輛路徑問題
    8.1.2  有能力約束車輛路徑問題數(shù)學描述
  8.2  人工免疫系統(tǒng)模型求解有能力約束車輛路徑問題的基本方法
    8.2.1  編碼方式
    8.2.2  車輛能力約束
    8.2.3  免疫算法操作
  8.3  人工免疫系統(tǒng)模型求解有能力約束車輛路徑問題實驗
    8.3.1  10客戶有能力約束車輛路徑問題實驗
    8.3.2  31客戶有能力約束車輛路徑問題實驗
    8.3.3  44客戶有能力約束車輛路徑問題實驗
  8.4  本章小結
第9章  總結與展望
  9.1  總結
  9.2  展望
參考文獻