人工免疫系统(AIS)是受到自然免疫系统的原理和机制启发所形成的一种自适应系统。最近十年,人工免疫系统已经成为研究热点,并得到广泛应用。本文将数据挖掘与人工免疫系统结合起来,探讨人工免疫系统算法应用于癌症的诊断和分类。本文所做工作归纳如下：首先,对人工免疫系统的生物学基础进行了概括和总结,介绍了常用的分类算法以及分类算法的评价指标。其次,讨论了克隆选择算法(CLONALG)和克隆选择分类算法(CSCA),并将其用于癌症的诊断研究中。通过比较实验结果和分类算法性能,发现CSCA较其他传统分类算法有更好的准确率,之后探讨了不同参数下分类准确率的变化情况。再次,详细阐述了人工免疫识别系统算法(AIRS),及其后续版本(AIRS2, Parallel AIRS)的算法原理和流程。通过在癌症病例数据集上进行分类实验,得出实验数据,并比较了分类性能,发现AIRS1算法的分类性能要优于另外两种,之后将三种分类器与传统分类器相对比,并详细探讨不同参数设置对准确率的影响。最后,根据免疫阴性理论提出了一种基于克隆迭代的阴性选择分类算法(CI-ASCA),对算法原理和流程进行了详细说明,并分析了所得的分类性能数据。通过与传统的分类算法以及之前提到的免疫算法相比,该算法被证明是可行的。之后,我们讨论了分类准确率随三种参数取值的变化趋势,对比了基于距离判断和基于迭代判断的两种分类算法的准确率,另外还对之前提到的人工免疫系统几种算法进行了比较。