本书以近邻思想、同步聚类模型及快速同步聚类算法为研究课题，**研究了基于近邻图与单元网格图的聚类算法、基于近邻势与单元网格近邻势的聚类算法、快速同步聚类算法、基于Vicsek模型线性版本的同步聚类算法、基于线性加权Vicsek模型的收缩同步聚类算法、基于分而治之框架与收缩同步聚类算法的多层同步聚类方法和基于ESynC算法与微聚类合并判断过程的组合聚类算法等。本书可作为聚类分析领域研究生的教学和科研参考教材，也可作为智能数据分析与处理技术人员的自学研究参考教材。

目录 第1章 聚类算法与空间索引结构基础1 1.1 背景与意义1 1.2 聚类算法简介2 1.2.1 基于划分的聚类算法2 1.2.2 层次聚类算法3 1.2.3 密度聚类算法4 1.2.4 网格聚类算法4 1.2.5 模型聚类算法5 1.2.6 图聚类算法5 1.2.7 其他聚类算法5 1.3 聚类算法的研究现状及发展趋势5 1.4 同步聚类7 1.4.1 同步的起源与发展7 1.4.2 同步聚类的起源与发展7 1.5 近邻思想及同步模型在聚类分析中的应用11 1.6 空间索引结构基础12 1.7 本书的主要内容13 第2章 基于近邻图与单元网格图的聚类算法14 2.1 基本概念及性质15 2.2 基于近邻图的聚类算法20 2.2.1 CNNG算法示例20 2.2.2 CNNG算法描述22 2.2.3 CNNG算法的复杂度分析22 2.2.4 CNNG算法的改进23 2.3 基于单元网格图的聚类算法23 2.3.1 CGCG算法的预处理24 2.3.2 CGCG算法预处理步骤的复杂度分析24 2.3.3 CGCG算法描述25 2.3.4 CGCG算法的复杂度分析25 2.4 算法实现与改进的若干方法及细节25 2.4.1 多维网格划分法25 2.4.2 多维索引树结构26 2.4.3 近邻点集的构造27 2.4.4 ? 近邻单元网格集的构造28 2.4.5 区域是否存在交集的判定31 2.5 本章小结32 第3章 基于近邻势与单元网格近邻势的聚类算法33 3.1 基本概念33 3.2 基于近邻势的聚类算法35 3.2.1 CNNI算法描述35 3.2.2 CNNI算法的说明36 3.2.3 参数? 的设置37 3.2.4 CNNI算法的改进版本37 3.2.5 CNNI算法的变种版本38 3.3 基于单元网格近邻势的聚类算法40 3.3.1 CIGC算法描述40 3.3.2 CIGC算法的复杂度分析43 3.3.3 CIGC算法的参数设置43 3.4 本章小结44 第4章 快速同步聚类算法46 4.1 基本概念47 4.2 快速同步聚类算法的三种具体版本48 4.2.1 SynC算法描述48 4.2.2 基于R树的快速同步聚类算法49 4.2.3 基于多维网格和红黑树的快速同步聚类算法50 4.2.4 FSynC算法的一些知识53 4.2.5 FSynC算法的复杂度分析54 4.2.6 FSynC算法的参数设置57 4.3 本章小结57 第5章 基于Vicsek模型线性版本的同步聚类算法58 5.1 基本概念及性质58 5.2 有效的ESynC算法62 5.2.1 有效的ESynC算法描述62 5.2.2 比较Kuramoto扩展模型、Vicsek模型的线性版本 及Vicsek模型的原始版本63 5.2.3 ESynC算法的复杂度分析68 5.2.4 ESynC算法的参数设置68 5.2.5 ESynC算法的收敛性68 5.2.6 ESynC算法的改进69 5.3 本章小结69 第6章 基于线性加权Vicsek模型的收缩同步聚类算法71 6.1 基本概念71 6.2 SSynC算法的对比与分析73 6.2.1 SSynC算法描述73 6.2.2 比较SynC算法、ESynC算法和SSynC算法的动态 同步聚类过程75 6.2.3 SSynC算法的复杂度分析83 6.2.4 SSynC算法的参数设置83 6.2.5 SSynC算法的收敛性86 6.2.6 SSynC算法的改进86 6.3 本章小结87 第7章 基于分而治之框架与收缩同步聚类算法的多层同步聚类方法88 7.1 MLSynC88 7.1.1 使用MLSynC的条件88 7.1.2 MLSynC的两层框架算法描述90 7.1.3 MLSynC的递归算法描述91 7.2 MLSynC的分析92 7.2.1 比较SynC算法、ESynC算法、SSynC算法和 MLSynC的同步聚类过程92 7.2.2 MLSynC的复杂度分析98 7.2.3 MLSynC的参数设置99 7.2.4 MLSynC的收敛性100 7.2.5 MLSynC的改进100 7.3 本章小结100 第8章 基于ESynC算法与微聚类合并判断过程的组合聚类���法101 8.1 基本概念及性质102 8.2 组合ESynC算法与微聚类合并判断过程的聚类方法103 8.2.1 CESynC算法描述103 8.2.2 CESynC算法中微聚类的合并策略104 8.2.3 CESynC算法中微聚类的合并判断方法106 8.2.4 CESynC算法的复杂度分析107 8.2.5 CESynC算法的参数设置108 8.3 本章小结108 第9章 近邻同步聚类模型与指数衰减加权同步聚类模型的 比较与分析110 9.1 基本概念110 9.2 基于同步模型的聚类算法框架112 9.2.1 CNNS112 9.2.2 CEDS113 9.3 复杂度分析114 9.3.1 算法9-1的复杂度分析114 9.3.2 算法9-2的复杂度分析115 9.4 参数的优化确定116 9.5 本章小结116 第10章 总结与展望117 10.1 总结117 10.2 展望117 参考文献119 附录A128 致谢134