隨著計算機和信息技術(shù)的飛速發(fā)展，數(shù)據(jù)庫及其應(yīng)用不斷膨脹，信息采集和處理技術(shù)不斷更新。當(dāng)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(dāng)今學(xué)者們的研究難點和關(guān)鍵。聚類分析作為無監(jiān)督機器學(xué)習(xí)方法，已成為模式識別與數(shù)據(jù)挖掘的重要研究領(lǐng)域，并且廣泛應(yīng)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(xué)等眾多領(lǐng)域。聚類分析根據(jù)數(shù)據(jù)的表達(dá)式或結(jié)構(gòu)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(yīng)的改善策略。