基于Hadoop平台的天光残留成分的自动识别与检测
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 引言 | 第12-13页 |
| 1.2 夜天光 | 第13页 |
| 1.3 研究背景 | 第13-14页 |
| 1.4 研究意义 | 第14-15页 |
| 1.5 工作介绍和篇章安排 | 第15-17页 |
| 第2章 Hadoop平台 | 第17-25页 |
| 2.1 Hadoop简介 | 第17-19页 |
| 2.1.1 Hadoop概述 | 第17-18页 |
| 2.1.2 Hadoop项目 | 第18-19页 |
| 2.2 HDFS文件系统 | 第19-22页 |
| 2.2.1 HDFS设计 | 第19-20页 |
| 2.2.2 HDFS架构 | 第20-22页 |
| 2.3 MapReduce编程模型 | 第22-24页 |
| 2.3.1 MapReduce概述 | 第22-23页 |
| 2.3.2 MapReduce架构 | 第23-24页 |
| 2.4 本章小节 | 第24-25页 |
| 第3章 减天光异常光谱特征分析 | 第25-31页 |
| 3.1 光谱处理流程简介 | 第25-27页 |
| 3.2 影响减天光结果的因素分析 | 第27-31页 |
| 3.3 本章小节 | 第31页 |
| 第4章 基于Hadoop的天光残留成分的自动识别 | 第31-46页 |
| 4.1 连续谱归一化的设计 | 第31-32页 |
| 4.2 异常天光位置的识别与检测的设计 | 第32-34页 |
| 4.3 实验数据与实验环境 | 第34-37页 |
| 4.3.1 实验环境介绍 | 第34页 |
| 4.3.2 实验数据及其格式介绍 | 第34-36页 |
| 4.3.3 数据预处理 | 第36-37页 |
| 4.4 实验内容与步骤 | 第37-38页 |
| 4.5 实验结果与分析 | 第38-45页 |
| 4.5.1 连续谱归一化实验结果 | 第38-40页 |
| 4.5.2 减天光异常位置识别与检测实验结果 | 第40-44页 |
| 4.5.3 Hadoop性能分析 | 第44页 |
| 4.5.4 天光残留成分识别工具 | 第44-45页 |
| 4.6 本章小节 | 第45-46页 |
| 第5章 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46页 |
| 5.2 后续研究与展望 | 第46-48页 |
| 附录1 | 第48-52页 |
| 参考文献 | 第52-55页 |
| 攻读学位期间发表的学术论文目录 | 第55-56页 |
| 致谢 | 第56-57页 |
| 学位论文评阅及答辩情况表 | 第57页 |
