蔡静颖所著的《模糊聚类算法及应用》重点分析了FCM算法和马氏距离的基本原理，从而利用马氏距离的优点来弥补FCM算法中存在的缺陷，并从两个方面对FCM算法进行了改进。

本书还将FCM算法和KPCA方法结合，利用KPCA进行特征提取，然后利用FCM算法进行数据聚类分析。将FCM算法应用于软件测试中是作者未来研究的重点，本书主要介绍了将FCM算法应用于等价类划分方法中，每个应用在本书中都做了详尽介绍。

蔡静颖所著的《模糊聚类算法及应用》主要针对模糊聚类算法中最经典的FCM算法进行了系统分析，并对原始算法进行了改进，将经典的FCM算法和改进的FCM算法应用于图像识别、数据聚类和软件测试等不同领域。全书共分7章，第l章介绍了聚类分析发展背景和基础概念；第2章介绍了模糊理论基础知识及模糊聚类分析的方法和应用；第3章介绍了模糊c一均值算法的理论知识和研究现状以及目前存在的问题；第4章介绍了马氏距离的基本原理和处理方法；第5章介绍了马氏距离在模糊聚类中的应用；第6章介绍了基于优化KPCA特征提取的FCM算法；第7章介绍了FCM算法在软件测试的等价类划分方法中的应用。

本书可供从事模式识别教学研究的师生、科研人员参考，也可供从事数据挖掘、图像识别、软件测试等工作的相关人员学习。

1 绪论

 1.1 聚类分析的概述

 1.2 聚类分析的基础概念

1.2.1 聚类算法的主要类型

1.2.2 聚类分析的相似度和相异度

 1.3 聚类分析算法

1.3.1 聚类算法性能的衡量指标

1.3.2 基于划分的聚类算法

1.3.3 基于层次的聚类算法

1.3.4 基于密度的聚类算法

1.3.5 基于网格的聚类算法

1.3.6 基于模型的聚类算法

 1.4 聚类分析算法面临的问题

 1.5 本章小结

2 模糊理论基础

 2.1 模糊集的定义和表示方法

2.1.1 模糊集的定义

2.1.2 模糊集的表示方法

 2.2 模糊集的基本概念

2.2.1 模糊集合的基本运算

2.2.2 模糊集的性质

2.2.3 隶属度函数

 2.3 模糊聚类分析

2.3.1 模糊聚类分析步骤

2.3.2 最佳阈值A的确定

 2.4 模糊聚类分析应用

 2.5 本章小结

3 模糊c-均值算法及分析

 3.1 硬c-均值算法

 3.2 模糊c-均值算法

 3.3 模糊c-均值聚类算法的研究现状

3.3.1 模糊聚类目标函数的演化

3.3.2 模糊聚类算法实现途径的研究

3.3.3 模糊聚类有效性的研究

 3.4 模糊c一均值算法存在的问题

 3.5 本章小结

4 马氏距离基本原理和处理方法

 4.1 马氏距离方法基本原理

 4.2 马氏距离中奇异问题的解决方法

 4.3 马氏距离的应用

4.3.1 马氏距离在模式识别中的应用

4.3.2 马氏距离在其他领域的应用

 4.4 本章小结

5 马氏距离在模糊聚类中的应用

 5.1 基于马氏距离的FCM算法(F'CM—M)

5.1.1 新算法提出

5.1.2 实验结果及分析

 5.2 基于马氏距离特征加权的模糊距离新算法(MF—FCM)

5.2.1 马氏距离特征加权新方法

5.2.2 实验结果及分析

 5.3 基于马氏距离的模糊c一均值增量学习算法

5.3.1 增量学习的研究背景和意义

5.3.2 基于马氏距离的模糊c一均值增量学习算法概述

5.3.3 算法应用举例

 5.4 马氏距离在模糊聚类中应用存在的问题

 5.5 本章小结

6 基于优化KPCA特征提取的FCM算法

 6.1 核主元分析(KPCA)的原理

6.1.1 主元分析(PCA)简介

6.1.2 核主元分析(KPCA)原理

 6.2 文化算法的原理

 6.3 KPCA算法的优化

 6.4 基于优化KPCA特征提取的FCM算法

6.4.1 算法概述

6.4.2 算法应用举例

 6.5 本章小结

7 模糊聚类算法在软件测试中的应用

 7.1 软件测试方法

7.1.1 测试分类

7.1.2 本地化测试

7.1.3 白盒测试

7.1.4 黑盒测试

7.1.5 静态测试和动态测试

7.1.6 主动测试和被动测试

 7.2 软件缺陷与缺陷模式

7.2.1 软件缺陷的类别

7.2.2 软件缺陷的分类标准

7.2.3 软件缺陷的构成

7.2.4 软件缺陷的严重性和优先级

7.2.5 软件缺陷的管理

 7.3 基于模糊c-均值的等价类划分法

7.3.1 算法描述

7.3.2 算法的实验验证

 7.4 本章小结

参考文献