《聚类集成理论与其在图像分类中的应用》由罗会兰著。聚类集成技术要解决的主要问题有两个：一个是如何产生不同的聚类从而形成一个聚类集体；另一个是如何从这个聚类集体中得到一个统一的聚类结果。聚类集成的效果取决于生成集体的方法和所采用的集成方法。编写本书的目的是希望对聚类集成理论及应用作一较系统的介绍，书中的大部分内容是作者近年来的研究成果。

集成学习是利用多个学习机解决一个问题。聚类分析在图像识别、图像分类和信息检索等领域中有着重要的作用。《聚类集成理论与其在图像分类中的应用》由罗会兰著，系统讨论了聚类集成技术中的几个关键问题及其在图像分类中的应用，内容包括：基于数学形态学的聚类及集成；聚类集体中的差异性度量研究；聚类集体生成方法研究；一致性函数研究；利用聚类集成技术解决混合型数据聚类问题；最后，在图像分类这种特定应用情况下，提出应用聚类集成技术生成视觉词汇本集体，实现图像的特征提取和描述，有效提高了图像分类的效率与精度。

《聚类集成理论与其在图像分类中的应用》可以作为计算机、自动控制及信息工程类专业的研究生课程教材，也可供从事模式识别、机器学习、图像分析等相关领域的研究人员参考。

前言

第1章 绪论

 1.1 聚类分析的基本概念

 1.2 术语及其表示方法

 1.3 研究动机

 1.4 本书研究内容

 1.5 本书的结构安排

第2章 聚类分析的基本理论及方法

 2.1 引言

 2.2 聚类算法

 2.3 用于聚类算法的优化和搜索技术

 2.4 聚类集成技术

 2.5 小结

第3章 基于数学形态学的聚类及集成

 3.1 国内外研究现状

 3.2 基本的数学形态学运算

 3.3 基于数学形态学分级操作系列的聚类算法COHMMOP

 3.4 基于数学形态学的聚类集成算法CEOMM

 3.5 本章小结及进一步的工作

第4章 聚类集成中的差异性度量研究

 4.1 国内外研究现状

 4.2 聚类集成中差异性测量方法

 4.3 聚类集体差异性度量分析

 4.4 本章小结及进一步的工作

第5章 聚类集体生成方法研究

 5.1 国内外研究现状

 5.2 高差异性聚类集体生成方法CEAN和增强型差异性聚类集体生成方法ICEAN

 5.3 实验比较与分析

 5.4 本章小结及进一步的工作

第6章 一致性函数研究

 6.1 国内外研究现状

 6.2 基于GA的聚类集成算法CM(：UGA

 6.3 用概念型数据聚类算法解决聚类集成问题

 6.4 本章小结及进一步的工作

第7章 利用聚类集成技术解决混合型数据聚类问题

 7.1 国内外研究现状

 7.2 基于集成技术和谱聚类技术的混合型数据聚类算法CBEST.=

 7.3 实验研究与分析

 7.4 CBEST算法小结

 7.5 本章总结及进一步的工作

第8章 随机采样方法生成视觉词汇本集体实现图像识别

 8.1 引言

 8.2 视觉词汇本构造方法

 8.3 实验

 8.4 本章小结及进一步的工作

第9章 结束语

参考文献