郭躬德、陳黎飛、李南編著的《近鄰分類方法及其應用(上)》是福建師范大學數據挖掘與網絡內容安全實驗室開展近鄰分類理論方法與應用方面的系統研究，所取得的成果匯編。在理論方法方面，研究團隊提出了基于近鄰思想的相似性度量新方法并將之推廣到類屬型數據，提出了增量學習、多代表點學習和子空間近鄰分類等新方法；應用研究涵蓋了毒性物質預測、特征選擇、文本分類以及數據流分類等近鄰分類的新應用領域。本書將有關研究成果集結成冊，以饗讀者。
郭躬德，1965年3月生。2004年畢業于University of Uister(英)，獲理學博士學位。現為福建師范大學數學與計算機科學學院教授，博士生導師，從事機器學習及數據挖掘，模式識別與人工智能等領域理論與應用技術的研究。 陳黎飛，1972年12月生。2008年畢業于廈門大學，獲理學博士學位。現為福建師范大學數學與計算機科學學院副教授，從事統計機器學習及數據挖掘等領域理論與應用技術的研究。 李南，1987年7月生。2013年畢業于福建師范大學，獲工學碩士學位。現為福建農林大學計算機與信息學院助教。從事機器學習及數據流挖掘等領域理論與應用技術的研究。
第1章 近鄰分類方法及其演變
1.1 分類概念、算法
1.2 經典的近鄰分類方法及其演變
參考文獻
第2章 近鄰模型系列方法及其應用
2.1 近鄰模型分類算法
2.2 基于權重k近鄰模型的數據簡化與分類
2.3 模糊k近鄰模型算法在可預測毒物學上的應尉
2.4 最近鄰分類的多代表點學習算法
2.5 改進的忌近鄰模型方法在文本分類中的應用
2.6 部分模糊聚類的最近鄰分類方法
參考文獻
第3章 近鄰模型的增量學習方法及其應用
3.1 基于kNN模型的增量學習算法
3.2 增量kNN模型的修剪策略研究 第1章 近鄰分類方法及其演變
1.1 分類概念、算法
1.2 經典的近鄰分類方法及其演變
參考文獻
第2章 近鄰模型系列方法及其應用
2.1 近鄰模型分類算法
2.2 基于權重k近鄰模型的數據簡化與分類
2.3 模糊k近鄰模型算法在可預測毒物學上的應尉
2.4 最近鄰分類的多代表點學習算法
2.5 改進的忌近鄰模型方法在文本分類中的應用
2.6 部分模糊聚類的最近鄰分類方法
參考文獻
第3章 近鄰模型的增量學習方法及其應用
3.1 基于kNN模型的增量學習算法
3.2 增量kNN模型的修剪策略研究
3.3 基于增量kNN模型的分布式入侵檢測架構
3.4 基于kNN模型的層次糾錯輸出編碼算法
參考文獻
第4章 概念漂移數據流分類方法及其應用
4.1 IKnnM-DHecoc：一種解決概念漂移問題的方法
4.2 基于混合模型的數據流概念漂移檢測
4.3 面向高速數據流的集成分類器算法
4.4 一種適應概念漂移數據流的分類算法
4.5 基于少量類標簽的概念漂移檢測算法
4.6 半監督層次糾錯輸出編碼算法
參考文獻
第5章 子空間近鄰分類方法及其應用
5.1 類依賴投影的文本分類方法
5.2 多代表點的子空間分類算法
5.3 基于投影原型的文本分類方法
5.4 復雜數據的最優子空間分類方法
5.5 基于特征子空間的概念漂移檢測算法
5.6 基于子空間集成的概念漂移數據流分類算法
參考文獻
第6章 近鄰方法的擴展及其應用
6.1 基于空間覆蓋的相似性度量及其對應的分類算法
6.2 基于空間覆蓋的相似性度量的特征選擇算法
6.3 基于空間覆蓋的相似性度量的層次聚類算法
6.4 基于類別子空間距離加權的互k近鄰算法
6.5 針對類屬性數據加權的MKnn算法
6.6 屬性加權的類屬數據近鄰分類
參考文獻
新書資訊