郭躬德、陈黎飞、李南编著的《近邻分类方法及其应用(下)》是福建师范大学数据挖掘与网络内容安全实验室开展近邻分类理论方法与应用方面的系统研究，所取得的成果汇编。在理论方法方面，研究团队提出了基于近邻思想的相似性度量新方法并将之推广到类属型数据，提出了增量学习、多代表点学习和子空间近邻分类等新方法；应用研究涵盖了毒性物质预测、特征选择、文本分类以及数据流分类等近邻分类的新应用领域。本书将有关研究成果集结成册，以飨读者。

　　郭躬德，1965年3月生。2004年毕业于UniversityofUister(英)，获理学博士学位。现为福建师范大学数学与计算机科学学院教授，博士生导师，从事机器学习及数据挖掘，模式识别与人工智能等领域理论与应用技术的研究。
　　陈黎飞，1972年12月生。2008年毕业于厦门大学，获理学博士学位。现为福建师范大学数学与计算机科学学院副教授，从事统计机器学习及数据挖掘等领域理论与应用技术的研究。
　　李南，1987年7月生。2013年毕业于福建师范大学，获工学硕士学位。现为福建农林大学计算机与信息学院助教。从事机器学习及数据流挖掘等领域理论与应用技术的研究。

上册
　第1章　近邻分类方法及其演变
　　1.1　分类概念、算法
　　1.2　经典的近邻分类方法及其演变
　　参考文献
　第2章　近邻模型系列方法及其应用
　　2.1　近邻模型分类算法
　　2.2　基于权重k近邻模型的数据简化与分类
　　2.3　模糊k近邻模型算法在可预测毒物学上的应尉
　　2.4　最近邻分类的多代表点学习算法
　　2.5　改进的忌近邻模型方法在文本分类中的应用
　　2.6　部分模糊聚类的最近邻分类方法
　　参考文献
　第3章　近邻模型的增量学习方法及其应用
　　3.1　基于kNN模型的增量学习算法 上册
　第1章　近邻分类方法及其演变
　　1.1　分类概念、算法
　　1.2　经典的近邻分类方法及其演变
　　参考文献
　第2章　近邻模型系列方法及其应用
　　2.1　近邻模型分类算法
　　2.2　基于权重k近邻模型的数据简化与分类
　　2.3　模糊k近邻模型算法在可预测毒物学上的应尉
　　2.4　最近邻分类的多代表点学习算法
　　2.5　改进的忌近邻模型方法在文本分类中的应用
　　2.6　部分模糊聚类的最近邻分类方法
　　参考文献
　第3章　近邻模型的增量学习方法及其应用
　　3.1　基于kNN模型的增量学习算法
　　3.2　增量kNN模型的修剪策略研究
　　3.3　基于增量kNN模型的分布式入侵检测架构
　　3.4　基于kNN模型的层次纠错输出编码算法
　　参考文献
下册
　第4章　概念漂移数据流分类方法及其应用
　　4.1　IKnnM-DHecoc：一种解决概念漂移问题的方法
　　4.2　基于混合模型的数据流概念漂移检测
　　4.3　面向高速数据流的集成分类器算法
　　4.4　一种适应概念漂移数据流的分类算法
　　4.5　基于少量类标签的概念漂移检测算法
　　4.6　半监督层次纠错输出编码算法
　　参考文献
　第5章　子空间近邻分类方法及其应用
　　5.1　类依赖投影的文本分类方法
　　5.2　多代表点的子空间分类算法
　　5.3　基于投影原型的文本分类方法
　　5.4　复杂数据的最优子空间分类方法
　　5.5　基于特征子空间的概念漂移检测算法
　　5.6　基于子空间集成的概念漂移数据流分类算法
　　参考文献
　第6章　近邻方法的扩展及其应用
　　6.1　基于空间覆盖的相似性度量及其对应的分类算法
　　6.2　基于空间覆盖的相似性度量的特征选择算法
　　6.3　基于空间覆盖的相似性度量的层次聚类算法
　　6.4　基于类别子空间距离加权的互k近邻算法
　　6.5　针对类属性数据加权的MKnn算法
　　6.6　属性加权的类属数据近邻分类
　参考文献