序等内容：第1章模糊集的基本概念第2章模糊聚类分析第3章模糊模型识别第4章模糊决策第5章模糊线性规划

针对密度聚类算法对邻域参数设置敏感的问题，提出一种基于密度的模糊自适应聚类算法.算法在无需预先设置聚类数以及邻域参数的情况下，可以自适应地根据样本间距离关系确定邻域半径得到样本密度，并根据样本密度逐渐增加聚类中心.为了保障聚类结果的正确性，同时提出一种新的模糊聚类有效性指标以判断最佳聚类数，消除了密度聚类算法对参数的敏感性.用UCI基准数据集进行实验，发现本文算法在对数据进行聚类时，聚类质量较原始密度聚类算法在准确性和自适应性方面均有显著提高

本文采用模式识别方法推断烧结矿质量。在给出模糊系统聚类分析算法基础上,用软件实现了基于模糊聚类分类器和动态聚类分类器,并用现场实测的样本采用\留一法\分别对这两种分类器性能进行检验。结果表明:模糊聚类分析法对于先验知识较少、样本量不大时,性能较佳

提出了一种基于遗传算法(GA)和模糊C均值(FCM)算法的岩体结构面混合聚类方法.利用GA的全局搜索性能,求得初始聚类中心;在此基础上利用FCM算法,根据精度要求再作进一步求解.该方法避免了人为划定分类界限的主观性,消除了FCM聚类算法的局部最优的弱点,解决了采用普通遗传算法聚类时搜索速度和聚类精度的矛盾.结合实测数据,对应用该方法进行结构面组识别的步骤、参数选取、分组有效性、优势方位的判定进行了分析和讨论

通过相关性数据处理和模糊聚类分析,对影响土壤环境腐蚀性的各种因素之间的相互关系进行了讨论.相关系数矩阵和聚类谱系图两者都表明,有些因素之间的相关性很大,有些相对独立.研究发现影响土壤环境腐蚀性的23项因素在相关系数大于0.8的情况下,可明显地聚为6类.这对石油沥青涂层管线土壤腐蚀性的深入研究,有一定的参考价值

工业监控系统所采集到的多元时间序列在利用数据挖掘技术获取内部存在的未知模式的过程中，经常会出现原始数据庞杂、分段结果重复、交集过多和界限不清晰等问题，导致含有突变变量或数据间相关性差的数据集进行模式挖掘结果不理想.针对上述问题，本文提出了一种新的多元时序模糊聚类分段挖掘算法.实验结果表明，该算法克服了Gath-Geva算法聚类精度易受初始值影响的不足，能够较好地反映出原始数据中潜在的过程变化，从而有效地处理时间序列的分段问题并得到理想的挖掘结果