鋻於交通領域各繫統的建設時期、開發部門、使用設備、技術發展階段以及能力水平都存在差異，導致“信息孤島”現像的出現，降低了工作的效率，妨礙了管理決策。筆者李桃迎在聚類分析方面潛心研究多年，尤其是近年來，通過參加**自然科學基金委員會、科學技術部和交通運輸部及多個省（市）主辦的多項科研課題，深入研究了數據挖掘特別是聚類分析的理論、技術與方法，獲得多項科研成果。特別是面向交通運輸、物流管理等特色領域，開展基於聚類分析的創新性研究，在提高管理效率和挖掘效率方面取得了良好的社會效益與經濟效益。
聚類分析因其應用**廣泛而成為數據挖掘研究的重要子領域，可為探索未知的數據結構提供幫助，並可作為一繫列數據分析的起點，因此聚類分析成為本書的重要內容。《交通領域中的聚類分析方法研究》采用逐步演算和流程運行相結合的方式，力爭使廣大讀者通過本書的學習快速掌握聚類分析的理論、技術與方法。

李桃迎編著的《交通領域中的聚類分析方法研究 》繫統而詳細地闡述了聚類分析的多種相關方法、技 術及具體應用， 主要內容包括緒論、復雜多源異構數據整合方法研究 、數據預處理技術、常 用聚類分析方法、面向混合特征的權熵模糊C—均值優 化方法研究、面向混 合屬性數據的聚類融合方法研究、基於聚類融合的混 合屬性數據增量聚類 方法研究、聚類分析方法在交通領域中的應用。 《交通領域中的聚類分析方法研究》可作為管理 科學與工程、信息科學與技術、計算機應用、應用數 學 等相關專業高年級本科生和研究生的教材或參考資料 ，也可幫助相關領域 研究人員提升聚類分析的技巧。

第1章 緒論
1.1 本書的撰寫目的及意義
1.2 **外研究現狀
1.3 聚類分析的研究熱點問題
1.4 聚類算法新的研究方向
1.5 聚類分析的應用領域
1.6 本書的主要內容
第2章 復雜多源異構數據整合方法研究
2.1 多源異構數據整合方法
2.2 復雜多源異構數據整合的關鍵技術
2.3 基於XML技術的航務海事異構數據整合框架
2.4 本章小結
第3章 數據預處理技術
3.1 數據預處理
3.2 數據清理
3.3 數據集成和融合
3.4 數據變換
3.5 數據歸約
3.6 本章小結
第4章 常用聚類分析方法
4.1 K—MEANS算法
4.2 K—MEDOIDS算法
4.3 CLIQUE算法
4.4 BP神經網絡算法
4.5 灰色聚類
4.6 基於模糊等價關繫的聚類
4.7 基於關鍵詞搜索的網頁聚類
4.8 本章小結
第5章 面向混合特征的權熵模糊C—均值優化方法研究
5.1 模糊聚類算法
5.2 面向數值屬性數據的FCM算法改進算法
5.3 面向混合屬性數據的權熵FCM算法優化算法
5.4 基於WEFCMO算法的模糊關聯規則方法研究
5.5 實例分析
5.6 面向海事船舶等級劃分的權熵模糊C—均值聚類流程結構圖
5.7 本章小結
第6章 面向混合屬性數據的聚類融合方法研究
6.1 聚類融合模型體繫
6.2 聚類融合方法研究
6.3 實例分析
6.4 面向交通事故成因分析的聚類融合框架體繫
6.5 本章小結
第7章 基於聚類融合的混合屬性數據增量聚類方法研究
7.1 增量聚類方法概述
7.2 基於聚類融合的增量聚類方法
7.3 實例分析
7.4 幾種算法的對比分析
7.5 面向海事船舶等級劃分的增量聚類流程圖
7.6 本章小結
第8章 聚類分析方法在交通領域中的應用
8.1 聚類分析在交通領域的應用研究
8.2 面向交通領域海事行業的數據整合方法應用研究
8.3 基於模糊聚類的船舶等級劃分
8.4 基於關聯規則的高速公路事故成因應用研究
8.5 混合屬性FCM算法改進算法在物流商選擇中的應用
8.6 基於模糊關聯規則的交通事故成因分析應用研究
8.7 基於聚類融合的交通事故分析應用研究
8.8 面向海事船舶劃分的增量聚類方法應用研究
8.9 本章小結
第9章 總結與展望
9.1 研究總結
9.2 展望
參考文獻
附錄A
附錄B