聚类分析是数据挖掘技术的一项重要内容，本书详细阐述了作者在聚类分析中所作的研究工作，涉及聚类的相关概念、面向复杂数据的聚类算法的提出，重点讲述了聚类算法在大气污染和复杂网络中的具体应用。本书适用于从事数据挖掘的科技工作者及工程技术人员，也适用于大气污染、复杂网络等数据分析人员。

陈梅，兰州交通大学电子与信息工程学院，博士，副教授。主要从事复杂数据分析及聚类研究，已发表SCI／EI检索文献1O余篇，其中以第一作者在世界顶级期刊发表论文2篇。目前主持国家自然科学基金1项、甘肃省教育厅高等学校科研项目1项。主持完成甘肃省自然科学基金1项、甘肃省财政厅基本科研业务费1项。参与完成甘肃省省级、地厅级项目多项。

1 绪论
1.1 引言
1.2 聚类分析概述
2 理论基础与相关工作
2.1 定义和术语
2.2 相似性计算
2.3 经典聚类方法
2.4 其他聚类方法
2.5 聚类算法常见的问题
2.6 当前聚类研究热点
2.7 常用聚类质量评价方法
3 使用kNN发现簇密度主干的聚类算法
3.1 研究背景
3.2 CLUB算法
3.3 实验分析
3.4 小结
4 基于本体的大气污染源建模
4.1 研究背景
4.2 相关知识
4.3 大气污染领域的本体建模
4.4 基于大气领域本体模型的规则推理
4.5 小结
5 基于连续隐马尔可夫的兰州PM10污染提前24小时预测研究
5.1 研究背景
5.2 相关预测方法分析
5.3 马尔可夫链简介
5.4 隐马尔可夫模型介绍
5.5 基于CHMM的提前24小时预测模型
5.6 实验及预测结果分析
5.7 小结
6 EPC：基于环境污染特征的抽样数据聚类算法
6.1 研究背景
6.2 环境污染抽样数据的特点
6.3 相关理论及概念
6.4 EPC算法
6.5 实验分析
6.6 小结
7 结论与展望
7.1 结论
7.2 展望
参考文献