伴随着大数据时代的到来，信息爆炸产生了海量数据，云计算、物联网以及移动互联网渗透到人们日常生活的各个领域，互联网金融、电子商务、信息科技等优选科技领域无时无刻不在产生数据。数据结构越来越复杂，数据形式越来越多样，深度挖掘海量数据中隐含的信息成为大数据时代经济管理发展的迫切需求。聚类是数据挖掘的重要方法，面对海量数据，提取有价值信息。本书是作者攻读博士期间科研成果的总结，全书共分为6章，重点针对密度峰值聚类方法进行若干理论改进与应用研究，并将其应用于实际生活各个领域，取得了令人满意的结果。

前言
第1章 绪论 1
1.1 研究背景及研究意义 1
1.1.1 研究背景 1
1.1.2 研究意义 2
1.2 研究思路及研究内容 3
1.2.1 研究思路 3
1.2.2 研究内容 4
1.3 研究技术路线及研究方法 5
1.3.1 研究技术路线 5
1.3.2 研究方法 6
第2章 基础理论及国内外研究现状 8
2.1 群智能优化理论概述 8
2.1.1 群智能优化理论内涵 8
2.1.2 主要群智能方法 9
2.1.3 测试函数 13
2.2 聚类理论概述 20
2.2.1 聚类理论内涵 20
2.2.2 主要聚类方法 20
2.2.3 聚类评价指标 29
2.2.4 主要相似度度量方法 31
2.3 国内外研究现状 33
2.3.1 研究现状 33
2.3.2 目前研究的不足 37
2.4 本章小结 37
第3章 基于改进果蝇优化的密度峰值聚类方法及应用 38
3.1 原始果蝇优化方法 38
3.1.1 理论模型 38
3.1.2 方法流程 38
3.2 基于知识学习的果蝇优化方法 40
3.2.1 理论模型 40
3.2.2 知识学习策略 41
3.2.3 方法流程 42
3.2.4 仿真模拟实验 43
3.3 基于改进果蝇优化的密度峰值聚类方法 49
3.3.1 理论模型 49
3.3.2 仿真模拟实验 49
3.4 基于改进果蝇优化的密度峰值聚类方法的实际应用 54
3.4.1 研究背景 54
3.4.2 数据分析 54
3.5 本章小结 57
第4章 基于改进布谷鸟优化的密度峰值聚类方法及应用 58
4.1 原始布谷鸟优化方法 58
4.1.1 理论模型 58
4.1.2 方法流程 60
4.2 基于动态发现概率的布谷鸟优化方法 62
4.2.1 理论模型 62
4.2.2 方法流程 62
4.2.3 仿真模拟实验 64
4.3 基于改进布谷鸟优化的密度峰值聚类方法 71
4.3.1 理论模型 71
4.3.2 仿真模拟实验 72
4.4 基于改进布谷鸟优化的密度峰值聚类方法的实际应用 76
4.4.1 研究背景 76
4.4.2 数据分析 76
4.5 本章小结 78
第5章 基于智能选择优化的密度峰值聚类方法及应用 79
5.1 基于智能选择的优化方法 79
5.1.1 理论模型 79
5.1.2 方法流程 80
5.1.3 仿真模拟实验 82
5.2 基于智能选择优化的密度峰值聚类方法 87
5.2.1 方法描述 87
5.2.2 方法流程 87
5.2.3 仿真模拟实验 89
5.3 基于智能选择优化的密度峰值聚类方法的实际应用 102
5.3.1 研究背景 102
5.3.2 数据分析 103
5.4 本章小结 104
第6章 结论与展望 105
6.1 研究结论及创新点 105
6.1.1 研究结论 105
6.1.2 研究创新点 106
6.2 研究局限和未来展望 107
6.2.1 研究局限 107
6.2.2 未来展望 107
参考文献 109
彩图