本书内容主要包括四部分：一、介绍聚类算法及研究；二、计算智能技术介绍，主要研究人工神经网络、遗传算法及离散Morse理论；三分别提出三种聚类模型：基于神经网络的聚类模型、基于遗传优化的谱聚类模型、基于Morse优化的聚类模型。本书将神经网络、遗传算法等计算智能技术用于聚类分析，构造聚类分析模型，研究该模型的定义及优化方法的特点和不足，改进或提出相应的解决方法；另外，针对模型在聚类分析中的应用研究并结合离散Morse的相关理论和方法，研究离散Morse理论在聚类分析中实现的关键技术和方法，并提出基于Morse理论的聚类分析模型以适应具体应用的要求。通过实验，验证了模型的有效性和可行性。

张建萍，汉族，山东滨州人，2014年9月进入山东师范大学工作。主讲过数据结构、信息检索、数据库系统概论、数据库应用技术等多门专业主干课程。参与了多项国家自然科学基金项目及多项山东省自然科学基金等项目。
研究方向：主要从事计算智能、数据挖掘等方面的研究。

第1章 概述
1.1 本书研究的背景和意义
1.2 聚类算法及研究现状
1.3 计算智能技术及研究进展
1.4 本书的研究内容及组织
第2章 基于神经网络的聚类算法研究
2.1 引言
2.2 基于SOM网络的聚类分析模型
2.3 TreeGNG层次拓扑聚类模型
2.4 FCM：模糊C均值聚类算法
2.5 DSOM-FCM：一种新的动态模糊自组织神经网络模型
2.6 本章小结
第3章 基于遗传优化的谱聚类算法研究
3.1 引言
3.2 谱聚类算法的介绍
3.3 改进的谱聚类算法ISC-CLARANS
3.4 基于遗传算法的谱聚类方法GA-ISC
3.5 小结
第4章 基于Morse优化模型的聚类算法研究
4.1 引言
4.2 离散Morse理论优化模型
4.3 实验结果及分析
4.4 基于离散Morse优化模型的密度聚类算法
4.5 小结
第5章 总结和展望
5.1 总结
5.2 进一步研究工作
参考文献