模糊聚类分析是非监督模式识别的重要分支，在模式识别、数据挖掘、计算机视觉以及模糊控制等领域具有广泛的应用，也是近年来得到迅速发展的一个研究热点。本书系统地论述了基于目标函数模糊聚类的基本理论、方法，以及现存的许多开放性的问题与初步的研究成果，主要内容有：模糊数学与可能性理论基础，谱系聚类、基于等价关系的聚类和图论聚类方法，c均值类型的基于目标函数的模糊聚类方法及存在的问题，模糊聚类神经网络，模糊聚类遗传算法和进化策略，模糊聚类的原型初始化方法，模糊聚类的有效性分析，模糊聚类的聚类趋势分析，区间值数据的模糊聚类分析及其推广，以及模糊聚类在图像分割和模式识别中的应用。 <br /> 本书可以作为理工科大学计算机、自动控制、信号与信息处理、电路与系统、系统工程等专业的博士生、硕士生及高年级本科生的教材，同时对有关领域的研究人员和工程技术人员也有重要的参考价值。