隨著計算機和信息技術的飛速發(fā)展，數(shù)據(jù)庫及其應用不斷膨脹，信息采集和處理技術不斷更新。當今世界已經(jīng)處于信息爆炸時代，在這海量數(shù)據(jù)中如何有效地獲取所需的信息和數(shù)據(jù)成為當今學者們的研究難點和關鍵。聚類分析作為無監(jiān)督機器學習方法，已成為模式識別與數(shù)據(jù)挖掘的重要研究領域，并且廣泛應用于統(tǒng)計分析、醫(yī)療衛(wèi)生、生物信息處理、圖像處理、社會科學等眾多領域。聚類分析根據(jù)數(shù)據(jù)的表達式或結構特征把給定數(shù)據(jù)分到不同的類簇，使同類的數(shù)據(jù)具有最大程度的相似性，非同類數(shù)據(jù)具有最大的相異性。本書主要研究并發(fā)現(xiàn)了一些聚類算法的不足之處并提出了相應的改善策略。