本书首先对模糊聚类和粒计算这一领域进行介绍和讨论。然后，作者深入研究了基于逻辑的神经元和神经网络。本书的核心部分包括9章，在其中呈现和分析了众多不同的基于知识的聚类的方法。本书的第三部分致力于模型的研究，首先讨论超盒结构，然后讨论粒映射和语言模型。

本书是对聚类、模糊聚类、无监督学习、神经网络、模糊集、模式识别和系统建模感兴趣的研究人员、专家及学生的必读之物。有了作者对掌握必备知识的强调，以及精心构建的实例和实验，读者将成功地使自己成为基于知识聚类的专家。

第1章 聚类和模糊聚类

第2章 粒信息计算：模糊集与模糊关系

第3章 面向逻辑的神经计算

第4章 条件模糊聚类

第5章 部分监督聚类

第6章 模糊聚类中基于知识的指导原则

第7章 协作聚类

第8章 方向聚类

第9章 模糊关联聚类

第10章 各向异性数据模式的模糊聚类

第11章 粒数据的超盒模型：车贝雪夫FCM

第12章 遗传相容的模糊神经网络

第13章 粒原型

第14章 粒映射

第15章 语言建模

参考书目

索引