第1章 绪论 1
1.1本书的撰写目的及意义 1
1.2国内外研究现状 2
1.3聚类分析的研究热点问题 20
1.4聚类算法新的研究方向 33
1.5聚类分析的应用领域 40
1.6本书的主要内容 41
第2章 复杂多源异构数据整合方法研究 43
2.1多源异构数据整合方法 43
2.2复杂多源异构数据整合的关键技术 47
2.3基于XML技术的航务海事异构数据整合框架 53
2.4本章小结 54
第3章 数据预处理技术 55
3.1数据预处理 56
3.2数据清理 56
3.3数据集成和融合 59
3.4数据变换 60
3.5数据归约 63
3.6本章小结 67
第4章 常用聚类分析方法 68
4.1 K-MEANS算法 68
4.2 K-MEDOIDS算法 70
4.3 CLIQUE算法 72
4.4 BP神经网络算法 75
4.5灰色聚类 83
4.6基于模糊等价关系的聚类 92
4.7基于关键词搜索的网页聚类 96
4.8本章小结 102
第5章 面向混合特征的权熵模糊C-均值优化方法研究 103
5.1模糊聚类算法 103
5.2面向数值属性数据的FCM算法改进算法 108
5.3面向混合属性数据的权熵FCM算法优化算法 112
5.4基于WEFCM（）算法的模糊关联规则方法研究 119
5.5实例分析 123
5.6面向海事船舶等级划分的权熵模糊C-均值聚类流程结构图 124
5.7本章小结 125
第6章 面向混合属性数据的聚类融合方法研究 126
6.1聚类融合模型体系 126
6.2聚类融合方法研究 131
6.3实例分析 141
6.4面向交通事故成因分析的聚类融合框架体系 144
6.5本章小结 145
第7章 基于聚类融合的混合属性数据增量聚类方法研究 146
7.1增量聚类方法概述 146
7.2基于聚类融合的增量聚类方法 153
7.3实例分析 159
7.4几种算法的对比分析 161
7.5面向海事船舶等级划分的增量聚类流程图 162
7.6本章小结 162
第8章 聚类分析方法在交通领域中的应用 164
8.1聚类分析在交通领域的应用研究 164
8.2面向交通领域海事行业的数据整合方法应用研究 165
8.3基于模糊聚类的船舶等级划分 173
8.4基于关联规则的高速公路事故成因应用研究 178
8.5混合属性FCM算法改进算法在物流商选择中的应用 183
8.6基于模糊关联规则的交通事故成因分析应用研究 186
8.7基于聚类融合的交通事故分析应用研究 188
8.8面向海事船舶划分的增量聚类方法应用研究 191
8.9本章小结 211
第9章 总结与展望 212
9.1研究总结 212
9.2展望 213
参考文献 215
附录A 231
附录B 236