本书通过对聚类分析和离群检测的基础理论和算法进行分析，针对包含复杂结构数据集的聚类问题和离群检测方法中存在的参数选择困难等问题进行了研究，并提出了相应的算法予以解决。首先针对复杂结构数据集的聚类问题，本书通过引入自然邻居的概念，提出了局部核心点、准聚类中心及自然核心点等概念，重新定义数据对象之间的相似度或不相似度，并将其与基于中心的聚类算法、层次的聚类算法和最小生成树算法等相结合，从而有效地解决了复杂流形聚类困难的问题。针对离群检测中存在的参数选择问题，本书同样引入自然邻居的概念，提出了无参的离群点检测算法，并利用互为领域图的信息，提出了离群簇检测算法。本书主要为从事数据挖掘、机器学习等相关领域研究的学者提供参考。