数据挖掘应用中，由于高维稀疏数据的高维特征，使其数据挖掘变得异常困难，因此，在对其进行数据分析前，迫切需要采用特殊的方法进行预处理。
　　《高维数据分析预处理技术》作者针对高维稀疏数据挖掘问题，从数据预处理的角度，研究对象一属性空间的划分问题，其目的是把所研究的数据挖掘空间分解为若干规模较小的对象一属性空间，从而降低实际数据挖掘的难度。《高维数据分析预处理技术》针对高维稀疏数据挖掘问题，以降低数据挖掘规模，建立了体系完整的数据预处理理论和方法，具有很强的理论意义和实际应用前景。

第1章 引言
第2章 文献综述
2．1 知识发现与数据挖掘
2．2 聚类分析
2．3 数据挖掘所面临的挑战
2．4 高维数据
2．5 维度约简
2．6 高维数据聚类
2．7 本章小结

第3章 基于排序的高属性维稀疏数据聚类方法
3．1 高维稀疏数据
3．2 高属性维聚类问题描述
3．3 经典高属性维稀疏数据聚类CABOSFV方法分析
3．4 基于排序的CABOSFV方法——CABOSFVABs方法
3．5 本章小结

第4章 对象一属性空间分割的两阶段联合聚类方法
4．1 具有高维稀疏特征的对象一属性空间分割问题的提法
4．2 传统对象一属性空间分割方法基于内聚度方法
4．3 联合聚类方法
4．4 两阶段联合聚类方法（MTPCCA）
4．5 本章小结

第5章 对象一属性子空间重叠区域的归属问题
5．1 问题描述及相关研究工作
5．2 对象一属性子空间的边缘重叠区域归属方法——OASEDA方法
5．3 本章小结

第6章 对象一属性子空间优化
6．1 高维稀疏特征的对象一属性非关联子空间
6．2 剔除非关联子空间RNASAuBSC方法
6．3 RNAsAu：BSC方法算例
6．4 RNASAU。BSC方法应用
6．5 本章小结

第7章 结论
参考文献
后记