近年来，如何有效地挖掘数据与数据之间的关系、清晰地展示系统的内在结构和规律，成为数据挖掘领域研究的热点问题。本书在对系统聚类分析方法的理论基础展开详细阐述的基础上，首先探讨了传统的系统聚类分析方法和已有主成分聚类分析方法的局限性，进而重构了分类定义中的距离概念，通过定义自适应赋权的主成分距离为分类统计量，提出一种新的、改进的主成分聚类分析方法——加权主成分距离聚类分析方法，并分别从数学推理、仿真模拟和实践应用层面论证了加权主成分距离聚类分析方法的有效性和适用条件。

第一章 绪论
第一节 研究背景
第二节 文献综述
第三节 研究内容
第四节 研究框架
第五节 创新之处
第二章 系统聚类分析方法的理论基础
第一节 系统聚类分析方法的原理
第二节 系统聚类分析方法的性质及分类个数确定
第三章 加权主成分距离聚类分析方法的数学推理
第一节 已有系统聚类分析方法的局限性
第二节 加权主成分距离聚类分析方法的距离定义和性质
第三节 加权主成分距离聚类分析方法的适用条件
第四章 加权主成分距离聚类分析方法的仿真模拟
第一节 主成分因子代表性较好情景下的仿真模拟
第二节 主成分因子代表性不足情景下的仿真模拟
第五章 加权主成分距离聚类分析方法的实践应用
第一节 中国各省份经济发展质量分类评价
第二节 中国与创新型国家创新竞争力分类评价
第六章 研究结论与展望
第一节 研究结论
第二节 研究展望
参考文献
附录