声明
第一章 绪 论
1.1 研究目的与意义
1.2 国内外研究现状
1.2.1 云端数据的安全存储
1.2.2 数据流的实时计算
1.2.3 生物智能启发算法
1.3研究内容和创新点
1.3.1 研究内容
1.3.2 创新点
1.4 章节安排
第二章 数据流基础与相关生物学机理
2.1 引言
2.2大数据与云计算
2.2.1 大数据治理
2.2.2 云计算
2.2.3 数据流
2.3 生物免疫系统
2.3.1 否定选择算法
2.3.2 克隆选择算法
2.3.3 免疫记忆机制
2.4 类脑记忆系统
2.4.1 分层记忆机制
2.4.2 时序记忆机制
2.5 小结
第三章 生物免疫机制启发的云端数据流安全存储与高效计算
3.1 引言
3.2 背景描述与研究目标
3.2.1 背景描述
3.2.2 研究目标
3.3 基于IDIA的云端数据存储
3.3.1 数据预处理与自体样本生成
3.3.2 改进的否定选择算法iNSA
3.3.3 改进的动态克隆选择算法iDCS
3.4 云端数据提取
3.4.1 IDIA下的云端数据存储与检索
3.4.2 分层检索策略
3.5 IDIA性能评估
3.6 小结
第四章 类脑分层记忆机制启发的异常数据流高效处理方法
4.1 引言
4.2 研究背景与研究目标
4.2.1 研究背景
4.2.2 研究目标
4.3 HMN构建
4.3.1 数据样本表征
4.3.2 类脑记忆、回忆与遗忘机制建模
4.3.3 分层记忆网络
4.4 HMN在动态环境下的自适应更新
4.4.1 评估新样本
4.4.2 HMN中的样本更新
4.5 仿真及结果分析
4.5.1 基于公共数据集的HMN构建
4.5.2 基于公共数据集的HMN性能评估
4.5.3 基于真实数据集的HMN性能评估
4.6 小结
第五章 类脑时序记忆机制启发的数据流概念漂移实时监测与自适应学习
5.1 引言
5.2 研究背景和研究目标
5.2.1 研究背景
5.2.2 研究目标
5.3 动态环境实时监测
5.3.1 稀疏离散编码
5.3.2 影响SDR的主要指标
5.3.3基于决策矩阵的概念漂移实时监测
5.4 动态环境自适应学习
5.4.1 时序记忆网络构建
5.4.2 时序记忆网络学习
5.5 仿真及结果分析
5.5.1 概念漂移实时监测与编码器自适应更新
5.5.2 基于时序记忆网络的数据流动态环境实时预测
5.6 小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
附录
附录A 攻读博士学位期间取得的成果
附录B 攻读博士学位期间参与的项目
附录C 攻读博士学位期间获得的奖励和荣誉
东华大学;