生物免疫系统是一个高度进化的生物系统,它旨在区分外部有害抗原和自身组织,从而清除抗原,保持有机体的稳定。从计算的角度来看,生物免疫系统是一个高度并行、分布、自适应和自组织的系统,具有很强的学习、识别、记忆和特征提取的能力。人们很希望能从生物免疫系统的运行机制中获取灵感,由此开发出了面向应用的免疫系统计算模型——人工免疫系统。人工免疫系统是模仿自然免疫系统功能的一种智能方法,它实现一种受生物免疫系统启发、通过学习外界物质的自然防御机理的学习技术,提供噪声忍耐、无教师学习、自组织、记忆等进化学习机理,结合了分类器、神经网络和机器推理等系统的一些优点,因此具有提供新颖的解决问题方法的潜力。近年来,随着基础医学研究的深入,人们对免疫系统的机理也有了越来越清楚的认识。鉴于此,人们开始将免疫系统的特性运用到工程领域,通过改进原有的方法或者新型的方法,以期获得性能同样优良的各种方法和系统。目前人工免疫系统已被自动控制、计算机安全和病毒检测、异常和故障诊断、知识发掘、优化等多个研究领域所认可并接受。虽然人工免疫系统具有很大的发展潜力,但其研究尚处于起步阶段。受自身发展的限制,相对于遗传算法在数据挖掘中的广泛应用,人工免疫系统在数据挖掘中的应用屈指可数。人工免疫系统现在更多的是被用于函数优化、工程控制及入侵检测方面。目前对于基于人工免疫系统的数据挖掘技术的研究,多使用的是基本的免疫算法,而忽略了免疫网络模型等其它免疫机理所具有的独特优势。而且这类算法多是处于实验性阶段,即多用于小型数据库以证明免疫算法的可行性,而很少有将其运用到大型数据库中的案例。本文致力于研究人工免疫系统及其在数据挖掘中的应用问题,目的是通过人工免疫系统网络模型所具有的独特的免疫机理,发挥其在数据挖掘中的优势,并进一步实现其在大型数据库中的应用。主要工作为:1.深入探讨并研究了人工免疫系统模型根据人工免疫系统的生物学原理基础,系统地研究了人工免疫系统中几种有代表性的免疫网络模型:aiNet模型、骨髓模型及有限资源人工免疫模型等,并根据本文的需要重点研究了aiNet模型。2.提出了两种新型的基于人工免疫网络模型aiNet模型的聚类算法研究了基于人工免疫网络模型的聚类挖掘技术,提出了两种新型的基于人工免疫网络模型aiNet模型的数据挖掘聚类算法——aiFCM算法和aiNHA算法,并通过仿真实验分别证明了两种算法的有效性,从而将人工免疫网络模型运用到了知识发现中。3.将基于人工免疫模型的聚类技术应用到酒店前台管理数据库系统中通过SQL Server 2000构建出了面向酒店前台管理的数据库系统,并将基于人工免疫模型的聚类挖掘技术应用到该系统中,得到了令人满意的效果。从而实现了免疫算法面对大型数据库时高效率并行搜索、学习记忆、较强的全局寻优能力等优势。