| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 遥感图像分类算法 | 第13-14页 |
| 1.2.2 遥感图像分类的并行研究 | 第14-17页 |
| 1.2.3 现有研究的不足 | 第17-18页 |
| 1.3 研究目标和内容 | 第18页 |
| 1.4 论文结构 | 第18-21页 |
| 第2章 并行计算关键技术 | 第21-30页 |
| 2.1 MPI技术 | 第21-23页 |
| 2.2 CUDA技术 | 第23-25页 |
| 2.3 Yarn资源管理系统 | 第25-26页 |
| 2.4 Spark技术 | 第26-30页 |
| 2.4.1 Spark编程模型 | 第26-29页 |
| 2.4.2 RDD算子介绍 | 第29-30页 |
| 第3章 基于Spark的并行框架设计与实现 | 第30-37页 |
| 3.1 基于Spark的MPI-CUDA并行框架的设计 | 第30-32页 |
| 3.2 基于Spark平台的遥感数据读写 | 第32-33页 |
| 3.3 基于Spark的MPI-CUDA并行任务调度 | 第33-37页 |
| 第4章 支持向量机分类算法的并行化研究 | 第37-44页 |
| 4.1 支持向量机分类算法介绍 | 第37-40页 |
| 4.2 支持向量机分类算法的并行化 | 第40-44页 |
| 第5章 实验与分析 | 第44-55页 |
| 5.1 实验数据 | 第44-46页 |
| 5.2 实验方案和实验环境 | 第46-48页 |
| 5.2.1 实验方案 | 第46页 |
| 5.2.2 实验环境 | 第46-48页 |
| 5.3 实验分析 | 第48-55页 |
| 5.3.1 实验方案一 | 第48-51页 |
| 5.3.2 实验方案二 | 第51-52页 |
| 5.3.3 实验方案三 | 第52-53页 |
| 5.3.4 实验方案四 | 第53-55页 |
| 第6章 结论与展望 | 第55-57页 |
| 6.1 结论 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-69页 |
| 后记 | 第69-71页 |