| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 研究意义与目的 | 第12-13页 |
| 1.4 论文研究主要内容 | 第13-14页 |
| 1.5 章节结构 | 第14-16页 |
| 第2章 杂交水稻算法 | 第16-23页 |
| 2.1 杂交水稻优化算法概述 | 第16-17页 |
| 2.2 三系杂交水稻算法 | 第17-19页 |
| 2.3 杂交水稻算法实现 | 第19-22页 |
| 2.4 杂交水稻算法复杂度分析 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 分布式杂交水稻算法 | 第23-46页 |
| 3.1 基于Hadoop的杂交水稻算体系架构 | 第23-38页 |
| 3.1.1 MapReduce并行框架 | 第23-27页 |
| 3.1.2 分布式杂交水稻算法描述 | 第27-33页 |
| 3.1.3 分布式杂交水稻算法实现 | 第33-35页 |
| 3.1.4 分布式杂交水稻算法MapReduce过程 | 第35-38页 |
| 3.2 基于Hadoop的杂交水稻算法流程 | 第38-40页 |
| 3.3 基于Hadoop的杂交水稻算法复杂度分析 | 第40页 |
| 3.4 实验结果与分析 | 第40-45页 |
| 3.4.1 实验环境介绍 | 第40-42页 |
| 3.4.2 主要参数设置 | 第42页 |
| 3.4.3 实验内容及过程 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于Hadoop的杂交水稻算法改进SVM | 第46-61页 |
| 4.1 支持向量机相关理论 | 第46-50页 |
| 4.1.1 支持向量机概述 | 第46-48页 |
| 4.1.2 SVM参数表示方法 | 第48-50页 |
| 4.2 杂交水稻算法优化SVM参数 | 第50-52页 |
| 4.2.1 群智能算法优化SVM参数 | 第50页 |
| 4.2.2 杂交水稻算法优化支持向量机参数 | 第50-52页 |
| 4.3 分布式杂交水稻算法优化SVM | 第52-54页 |
| 4.3.1 分布式杂交水稻算法优化SVM参数 | 第52页 |
| 4.3.2 分布式杂交水稻算法优化SVM流程 | 第52-54页 |
| 4.4 复杂度分析 | 第54-55页 |
| 4.5 实验结果分析 | 第55-60页 |
| 4.5.1 数据集 | 第55页 |
| 4.5.2 实验过程 | 第55-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-64页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68页 |