本书全面地讲述聚类分析概念、方法、技术和最新研究进展。全书共四章，涵盖聚类的定义、相关基础、分析工具及常用编程语言，在讲述很多常用算法原理的同时，还附加了相应源代码及数据运行分析，系统、全面地展示了聚类分析流行算法的概念、特性及精髓。本书可作为计算机专业及数据分析专业本科生、研究生相关专业的聚类分析教材，也供从事数据分析与数据挖掘研究人员、开发人员和用户阅读和参考。

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10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项目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项目1项、甘肃省财政厅基本科研业务费项目1项。参与完成甘肃省省级、地厅级项目多项。

第1章 引论
1.1 认识聚类
1.2 聚类分析概述
1.3 参考文献
第2章 聚类基础
2.1 聚类定义
2.2 数据类型
2.3 数学基础
2.4 数据预处理
2.5 数据可视化
2.6 常用软件工具
2.7 参考文献
第3章 流行聚类算法
3.1 基于划分的方法
3.2 基于密度的方法
3.3 基于层次的方法
3.4 流行新算法
第4章 图聚类算法
4.1 图聚类的发展
4.2 常见的复杂网络
4.3 网络的特性
4.4 图论基础及相关形式化定义
4.5 图聚类常用数据集
4.6 常用的评价指标
4.7 常见的图聚类算法
4.8 Fast algorithm for detecting community structure in networks
4.9 Modularity and community structure in networks
4.10 Near linear time algorithm to detect community structures in large——scale networks
4.11 参考文献