周勇编著的《复杂多源数据的知识获取与知识发现》针对复杂多源数据的知识获取与知识发现问题，分别从模式识别中聚类和分类的角度，在聚类分析方面，主要研究了基于序号编码的改进遗传模糊聚类算法和基于弧度点对称距离的自适应动态聚类算法；在分类问题方面，主要研究了基于自适应遗传算法的有趣分类规则知识发现和基于无参核学习的Laplacian正则化最小二乘分类。

周勇编著的《复杂多源数据的知识获取与知识发现》针对复杂多源数据的知识获取与知识发现问题，分别从模式识别中聚类和分类的角度进行研究，并以复杂网络的知识发现为例，研究了三种改进的复杂网络社区发现方法。本书是关于知识获取和知识发现方法的专著，内容新颖、图文并茂、立足应用，可供机器学习、模式识别、计算机应用技术等领域的技术人员阅读，也可作为相关学科的培训教材。

1 绪论

 1.1 研究背景与意义

 1.2 国内外研究现状

 1.3 本书的主要研究内容

 1.4 本书结构

2 基于序号编码的改进遗传模糊聚类算法

 2.1 引言

 2.2 基于序号编码的改进遗传模糊聚类算法

 2.3 实验及分析

 2.4 本章小结

3 基于弧度点对称距离的自适应动态聚类算法

 3.1 引言

 3.2 点对称距离

 3.3 弧度距离

 3.4 基于弧度的点对称距离

 3.5 改进的遗传聚类算法

 3.6 实验结果和分析

 3.7 本章小结

4 基于自适应遗传算法的有趣分类规则知识发现

 4.1 引言

 4.2 有趣规则的评价标准

 4.3 基于自适应遗传算法的有趣分类规则知识发现

 4.4 实验及分析

 4.5 本章小结

5 基于无参核学习的Laplacian正则化最小二乘分类

 5.1 引言

 5.2 无参核学习

 5.3 基于无参核学习的LapRLSC

 5.4 实验结果

 5.5 本章小结

6 基于自适应近邻传播的社区发现算法

 6.1 引言

 6.2 相关工作

 6.3 基于自适应近邻传播的社区发现算法

 6.4 实验

 6.5 本章小结

7 基于改进标签传播的社区发现算法

 7.1 引言

 7.2 标签传播算法

 7.3 LPAC算法

 7.4 实验

 7.5 本章小结

8 基于结构相似度仿射传播的社团检测算法

 8.1 引言

 8.2 节点相似性度量

 8.3 快速仿射传播聚类算法

 8.4 实验

 8.5 本章小结

9 总结与展望

 9.1 总结

 9.2 展望

参考文献