●1 緒論
● 1.1 聚類分析的概述
● 1.2 聚類分析的基礎概念
● 1.2.1 聚類算法的主要類型
● 1.2.2 聚類分析的相似度和相異度
● 1.3 聚類分析算法
● 1.3.1 聚類算法性能的衡量指標
● 1.3.2 基於劃分的聚類算法
● 1.3.3 基於層次的聚類算法
● 1.3.4 基於密度的聚類算法
● 1.3.5 基於網格的聚類算法
● 1.3.6 基於模型的聚類算法
● 1.4 聚類分析算法面臨的問題
● 1.5 本章小結
●2 模糊理論基礎
● 2.1 模糊集的定義和表示方法
● 2.1.1 模糊集的定義
● 2.1.2 模糊集的表示方法
● 2.2 模糊集的基本概念
● 2.2.1 模糊集合的基本運算
●部分目錄
蔡靜穎所著的《模糊聚類算法及應用》主要針對模糊聚類算法中最經典的FCM算法進行了繫統分析,並對原始算法進行了改進,將經典的FCM算法和改進的FCM算法應用於圖像識別、數據聚類和軟件測試等不同領域。全書共分7章,第l章介紹了聚類分析發展背景和基礎概念;第2章介紹了模糊理論基礎知識及模糊聚類分析的方法和應用;第3章介紹了模糊c一均值算法的理論知識和研究現狀以及目前存在的問題;第4章介紹了馬氏距離的基本原理和處理方法;第5章介紹了馬氏距離在模糊聚類中的應用;第6章介紹了基於優化KPCA特征提取的FCM算法;第7章介紹了FCM算法在軟件測試的等價類劃分方法中的應用。
本書可供從事模式識別教學研究的師生、科研人員參考,也可供從事數據挖掘、圖像識別、軟件測試等工作的相關人員學習。