地球科学大数据算法基础

前言
第1章 绪论
1.1 预备概念
1.2 大数据的概念
1.3 地球大数据
1.4 地球大数据的分类
1.5 地球大数据的支撑技术体系
1.6 与地球大数据相关的术语
1.7 地球大数据的发展
1.8 地球大数据科学研究
第2章 地球信息的表达、存储与传输
2.1 数据结构的概念
2.2 地球信息表达的数据结构
2.3 外部存储数据结构
2.4 数据库存储方式
2.5 网络数据传输
2.6 面向对象建模技术
第3章 地球坐标系与投影变换
3.1 大地坐标系
3.2 墨卡托（Mercator）投影
3.3 墨卡托投影正反解公式
3.4 高斯-克吕格投影和UTM投影
3.5 兰勃特等角投影
3.6 正弦曲线投影
第4章 地球空间计算几何算法
4.1 拓扑计算
4.2 空间数据量算
4.3 极坐标变换
4.4 几何变换
第5章 平滑曲线建模算法
5.1 抛物线参数混合样条
5.2 Hermite曲线
5.3 连续三次参数样条曲线
5.4 分段三次多项式平滑法
第6章 地球信息可视化
6.1 地球数据的彩色渲染
6.2 图形显示流水线
6.3 图形交互技术
6.4 地图绘制举例
第7章 不规则三角网的生成算法
7.1 不规则三角网
7.2 Delaunay 三角网生成算法
7.3 Delaunay三角网的算法效率
第8章 插值与重采样
8.1 插值与重采样的概念
8.2 简易插值模型
8.3 多面函数法
8.4 空间自协方差 插值法
8.5 Cressman插值法
8.6 等值线的生成算法
8.7 快速重采样算法
8.8 小结
第9章 统计分析方法
9.1 概率密度函数及累积分布函数
9.2 常用理论分布模型
9.3 分布参数的点估计方法
9.4 Python 语言中的统计分布函数
9.5 统计分布的应用
0章 主成分变换
10.1 主成分变换的基本原理
10.2 主成分变换步骤
10.3 主成分变换举例
10.4 正交经验函数
1章 机器学习方法
11.1 遗传算法
11.2 梯度下降法
2章 统计建模方法
12.1 一元线性回归模型
12.2 多元线性回归模型
12.3 非线性回归模型的建立方法
12.4 广义线性模型
12.5 分位数回归
12.6 核回归（Kernel regression）
12.7 广义加性模型（Generalized Additive Models）
12.8 岭回归与LASSO回归
12.9 人工神经网络
12.10 K均值聚类法
12.11 Bayes分类与EM算法
3章 地学信号分析技术
13.1 信号分析的数学基础
13.2 傅里叶变换
13.3 信号分析技术的应用
4章 小波变换技术及其应用
14.1 小波变换的基本理论
14.2 离散小波变换
14.3 小波变换的应用
参考文献