第1章 关联规则
1.1 Apriori算法
1.1.1 算法概要
1.1.2 算法原理
1.1.3 实例说明
1.1.4 算法优缺点
1.1.5 优化改进
1.1.6 大数据适应度分析
1.1.7 地球科学应用案例
1.2 FP-growth算法
1.2.1 算法概要
1.2.2 算法原理
1.2.3 实例说明
1.2.4 优化改进
1.2.5 大数据适应度分析
1.2.6 地球科学应用案例
参考文献
第2章 分类
2.1 决策树算法
2.1.1 算法概要
2.1.2 算法原理
2.1.3 算法优缺点
2.1.4 优化改进
2.1.5 决策树衍生算法
2.1.6 大数据适应度分析
2.1.7 地球科学应用案例
2.2 贝叶斯分类算法
2.2.1 算法概要
2.2.2 算法原理
2.2.3 实例说明
2.2.4 算法优缺点
2.2.5 优化改进
2.2.6 大数据适应度分析
2.2.7 地球科学应用案例
2.3 神经网络分类算法
2.3.1 算法概要
2.3.2 算法原理
2.3.3 算法优缺点
2.3.4 优化改进
2.3.5 大数据适应度分析
2.3.6 地球科学应用案例
2.4 粗糙集分类
2.4.1 算法概要
2.4.2 算法原理
2.4.3 实例说明
2.4.4 算法优缺点
2.4.5 优化改进
2.4.6 大数据适应度分析
2.4.7 地球科学应用案例
2.5 支持向量机
2.5.1 算法概要
2.5.2 算法原理
2.5.3 实例说明
2.5.4 算法优缺点
2.5.5 优化改进
2.5.6 大数据适应度分析
2.5.7 地球科学应用案例
2.6 K-最近邻算法
2.6.1 算法概要
2.6.2 算法原理
2.6.3 算法优缺点
2.6.4 优化改进
2.6.5 大数据适应度分析
2.6.6 地球科学应用案例
2.7 Bagging算法
2.7.1 算法概要
2.7.2 算法原理
2.7.3 实例说明
2.7.4 优化改进
2.7.5 大数据适应度分析
2.7.6 地球科学应用案例
2.8 AdaBoost算法
2.8.1 算法概要
2.8.2 算法原理
2.8.3 训练过程
2.8.4 同类算法
2.8.5 大数据适应度分析
2.8.6 地球科学应用案例
参考文献
第3章 回归
3.1 线性回归
3.1.1 算法概要
3.1.2 算法原理
3.1.3 实例说明
3.1.4 算法优缺点
3.1.5 优化改进
3.1.6 大数据适应度分析
3.1.7 地球科学应用案例
3.2 逻辑回归
3.2.1 算法概要
3.2.2 算法原理
3.2.3 算法实现
3.2.4 SoftMax算法
3.2.5 大数据适应度分析
3.2.6 地球科学应用案例
参考文献
第4章 聚类
4.1 K-means算法
4.1.1 算法概要
4.1.2 算法原理
4.1.3 实例说明
4.1.4 算法优缺点
4.1.5 优化改进
4.1.6 大数据适应度分析
4.1.7 地球科学应用案例
4.2 K-medoids算法
4.2.1 算法概要
4.2.2 算法原理
4.2.3 实例说明
4.2.4 算法优缺点
4.2.5 优化改进
4.2.6 大数据适应度分析
4.2.7 地球科学应用案例
4.3 层次聚类算法
4.3.1 算法概要
4.3.2 距离度量
4.3.3 算法流程
4.3.4 改进优化
4.3.5 大数据适应度分析
4.3.6 地球科学应用案例
4.4 基于密度的聚类算法
4.4.1 算法概要
4.4.2 算法原理
4.4.3 实例说明
4.4.4 算法优缺点
4.4.5 优化改进
4.4.6 大数据适应度分析
4.4.7 地球科学应用案例
4.5 基于网格的聚类算法
4.5.1 算法概要
4.5.2 STING
4.5.3 CLIQUE
4.5.4 优化改进
4.5.5 大数据适应度分析
4.5.6 地球科学应用案例
参考文献
第5章 序列模式挖掘
5.1 GSP算法
5.1.1 算法概要
5.1.2 算法原理
5.1.3 实例说明
5.1.4 算法优缺点
5.1.5 GSP衍生算法
5.1.6 大数据适应度分析
5.1.7 地球科学应用案例
5.2 SPADE算法
5.2.1 算法概要
5.2.2 算法原理
5.2.3 实例说明
5.2.4 算法优缺点
5.2.5 优化改进
5.2.6 SPADE衍生算法
5.2.7 大数据适应度分析
5.2.8 地球科学应用案例
参考文献
第6章 深度学习
6.1 深度信念网
6.1.1 算法概要
6.1.2 算法原理
6.1.3 优化改进
6.1.4 大数据适应度分析
6.1.5 地球科学应用案例
6.2 卷积神经网络
6.2.1 算法概要
6.2.2 算法原理
6.2.3 实例说明
6.2.4 模型演化
6.2.5 优化改进
6.2.6 大数据适应度分析
6.2.7 地球科学应用案例
6.3 自动编码器算法
6.3.1 算法概要
6.3.2 算法原理
6.3.3 算法实现
6.3.4 衍生算法
6.3.5 优化改进
6.3.6 大数据适应

李国庆、刘莹、庞禄申编著的《地球科学中的大数据分析与挖掘算法手册》以数据分析与挖掘思想为主线，深入剖析关联、分类、回归、聚类、顺序模式挖掘、深度学习以及异常检测等算法的原理、实现、相似算法、改进思路以及地学案例，具有很强的系统性、完整性以及落地性，可以作为各行业特别是地球科学领域中希望驾驭大数据并发掘其价值的科研人员和工程人员的参考书，读者既可以通过本书系统掌握大数据分析挖掘的思想方法，也可以将其作为算法工具书查阅。