大數據時代的機器學習和數據挖掘技術的作用日漸重要，受到了廣泛的關注。本書立足於工程應用，將免疫智能計算方法引入機器學習領域，致力於研究基於生物免疫原理的機器學習軟計算方法，以免疫計算智能的基本原理為線索，對其研究狀況加以系統性的論述，從理論、算法構建及工程應用等方面對免疫機器學習進行介紹和分析。針對關聯規則挖掘、數據分類、數據聚類、屬性約簡等機器學習及生物信息大數據挖掘等具體問題，提出一系列新方法，並結合深度學習和張量計算探討了機器學習軟計算方法的最新發展動態和方向。徐雪松，副教授，湖南大學控制科學與工程專業博士，國防科學技術大學管理科學與工程專業博士后，美國布蘭迪斯大學數據科學研究訪問學者，高級項目管理師，數據高級分析師。現為湖南省區域戰略與規划研究基地—低碳技術經濟研究中心副主任，管理工程研究所副所長，湖南省技術經濟與現代化管理協會理事，IEEE Senior Member、ACM及計算機學會會員，湖南省青年骨干教授培養對象，湖南商學院151人才項目第三層次人選。

第1章諸論1.1引言1.2人工智能與機器學習1.3數據挖掘與機器學習1.4仿生計算智能與機器學習1.5免疫計算與機器學習1.6本書的內容及結構參考文獻第2章機器學習主流技術與方法2.1機器學習的發2.2機器學習中的統計分析方法2.2.1線性回歸分析2.2.2非線性回歸分析2.2.3多元線性回歸分析2.3機器學習中的現代技術方法2.3.1粗糙集2.3.2遺傳算法2.3.3神經網絡2.3.4深度學習2.3.5支持向量機2.3.6強化學習2.3.7度量學習2.3.8多核學習2.3.9集成學習2.3.10主動學習2.3.11遷移學習參考文獻第3章免疫計算的基礎原理3.1免疫計算生物學基礎3.1.1免疫學基本概念3.1.2生物免疫系統的結構及組成3.1.3免疫系統功能及機制3.2人工免疫基本原理3.2.1人工免疫系統基本概念3.2.2人工免疫系統基本原理及機制3.3免疫計算學習及優化方法參考文獻第4章基於免疫聚類競爭的關聯規則挖掘方法4.1基本概念及問題描述4.2數據表達及初始化4.3免疫關聯規則挖掘4.3.1抗體聚類與競爭克隆4.3.2抗體編碼及初始化4.3.3抗體親和力定義4.3.4抗體操作4.4免疫關聯規則挖掘方法及分析4.5仿真實驗及應用4.5.1UCI數據集仿真實驗4.5.2教學質量規則挖掘與分析參考文獻第5章基於小生境免疫粗糙集屬性約簡方法5.1問題描述5.2基本概念及理論5.3屬性信息編碼及小生境免疫優化5.3.1疫苗提取及初始抗體種群5.3.2抗體編碼及接種疫苗5.4小生境免疫共享機制及免疫算子操作5.5算法執行過程5.6試驗仿真及應用5.6.1實驗15.6.2實驗25.6.3實驗3參考文獻第6章基於免疫陰性選擇的數據分類器6.1問題描述6.2基本概念及原理6.3文本分類規則編碼6.3.1個體編碼6.3.2親和力定義6.3.3免疫優化6.4掩碼匹配的否定選擇分類器6.5免疫進化分類實現6.6仿真實驗及應用6.6.1實驗一6.6.2實驗二參考文獻第7章免疫網絡在生物信息學中的應用7.1基本概念及問題描述7.2人工免疫網絡理論7.2.1aiNet7.2.2AIRS7.3基於免疫進化網絡理論的分類器7.4仿真實驗及應用7.4.1數據准備與處理7.4.2仿真結果7.5免疫進化網絡分類器改進及應用7.5.1基本概念7.5.2免疫離散增量分類器設計7.5.3分類器在模式生物識別中的應用參考文獻總結及展望