聚类分析是研究如何用数学的方法将事物进行分类的学科，其实质是将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。孙佳龙、沈立祥、李太春著的《聚类分析在地球物理学研究中的应用》介绍了聚类分析的基本原理。给出了混沌时间序列模型、BP神经网络等时间序列模型，多项式曲面、二次曲面、多面函数曲面、移动曲面等数学曲面模型以及B参数拟合算法、OcOG算法和门槛算法等波形重定算法，并在这些模型和算法的基础上，将聚类分析方法应用到了高程异常曲面拟合、卫星测高波形重定、卫星测高数据的湿对流层延迟改正、电离层TEC预测、Kp指数预报、海底浅地层图像识别等研究中，对具体实例进行了比较和分析，得到了一些有益的结论。
本书可供大地测量、地球物理、海洋学等有关学科的高等院校师生和相关科技工作人员参考。

第1章 绪论
1.1 聚类分析基本原理
1.2 聚类分析基本方法
1.3 聚类分析基本应用
第2章 聚类分析在高程异常拟合中的应用
2.1 高程系统与高程异常数学拟合模型
2.2 基于聚类分析的多面函数拟合高程异常方法
2.3 基于K—means聚类分析的球冠谐函数拟合高程异常方法
2.4 基于双调和样条内插和高斯曲率极值的多面函数拟合高程异常方法
2.5 基于移动.多面函数的高程异常拟合方法
第3章 聚类分析在波形重定中的应用
3.1 卫星测高原理和回波模型
3.2 波形重定基本方法
3.3 基于聚类分析的多子波优化波形重定算法
3.4 基于波形相似性的K.means波形分类算法
3.5 基于聚类分析的多子波优化重定算法及实例分析
3.6 卫星测高波形重定应用
第4章 聚类分析在湿对流层延迟改正中的应用
4.1 高度计测高误差分析
4.2 微波辐射计
4.3 湿对流层延迟效应基本校正算法
4.4 基于亮温数据的湿对流层延迟改正方法
第5章 聚类分析在电离层TEC预测中的应用
5.1 电离层TEC
5.2 电离层TEC预测基本方法
5.3 基于多种度量的电离层FEC混沌预测分析
5.4 基于夹角余弦和聚类分析的电离层TEC混沌预测
第6章 聚类分析在Kp指数预报中的应用
6.1 Kp指数预报基本方法
6.2 基于李雅谱诺夫指数的Kp指数预报方法
6.3 基于BP神经网络的Kp指数预报方法
6.4 基于聚类BP神经网络的Kp指数预报方法
第7章 聚类分析在海底浅地层图像识别中的应用
7.1 浅地层剖面探测基本方法
7.2 浅地层剖面图像处理方法现状
7.3 基于边缘检测和聚类分析的浅剖图像分层算法
参考文献