本书内容主要包括四部分：一、介绍聚类算法及研究；二、计算智能技术介绍，主要研究人工神经网络、遗传算法及离散Morse理论；三分别提出三种聚类模型：基于神经网络的聚类模型、基于遗传优化的谱聚类模型、基于Morse优化的聚类模型。本书将神经网络、遗传算法等计算智能技术用于聚类分析，构造聚类分析模型，研究该模型的定义及优化方法的特点和不足，改进或提出相应的解决方法；另外，针对模型在聚类分析中的应用研究并结合离散Morse的相关理论和方法，研究离散Morse理论在聚类分析中实现的关键技术和方法，并提出基于Morse理论的聚类分析模型以适应具体应用的要求。通过实验，验证了模型的有效性和可行性。

第1章 概述
1.1 本书研究的背景和意义
1.2 聚类算法及研究现状
1.3 计算智能技术及研究进展
1.4 本书的研究内容及组织
第2章 基于神经网络的聚类算法研究
2.1 引言
2.2 基于SOM网络的聚类分析模型
2.3 TreeGNG层次拓扑聚类模型
2.4 FCM：模糊C均值聚类算法
2.5 DSOM-FCM：一种新的动态模糊自组织神经网络模型
2.6 本章小结
第3章 基于遗传优化的谱聚类算法研究
3.1 引言
3.2 谱聚类算法的介绍
3.3 改进的谱聚类算法ISC-CLARANS
3.4 基于遗传算法的谱聚类方法GA-ISC
3.5 小结
第4章 基于Morse优化模型的聚类算法研究
4.1 引言
4.2 离散Morse理论优化模型
4.3 实验结果及分析
4.4 基于离散Morse优化模型的密度聚类算法
4.5 小结
第5章 总结和展望
5.1 总结
5.2 进一步研究工作
参考文献