摘要 | 第2-4页 |
abstract | 第4-6页 |
第一章 引言 | 第9-15页 |
1.1 研究背景及意义 | 第9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 遥感数据特征提取 | 第9-10页 |
1.2.2 遥感数据分类的研究现状 | 第10-11页 |
1.2.3 Spark分布式计算研究现状 | 第11-12页 |
1.2.4 存在的问题 | 第12页 |
1.3 本文的研究内容 | 第12-13页 |
1.4 本文的组织结构 | 第13-15页 |
第二章 相关技术概述 | 第15-20页 |
2.1 分布式框架 | 第15-17页 |
2.1.1 Hadoop平台 | 第15-16页 |
2.1.2 Spark分布式计算平台 | 第16-17页 |
2.2 Landsat8遥感影像 | 第17页 |
2.3 遥感影像预处理 | 第17-19页 |
2.3.1 大气辐射校正 | 第17-18页 |
2.3.2 遥感影像的几何校正 | 第18页 |
2.3.3 镶嵌和裁剪 | 第18-19页 |
2.4 本章小结 | 第19-20页 |
第三章 Spark平台下面向遥感数据特征提取加速研究 | 第20-26页 |
3.1 Spark原理及运行模式介绍 | 第20-22页 |
3.1.1 Spark分布式计算平台 | 第20页 |
3.1.2 Spark-standalone模式资源调度 | 第20-21页 |
3.1.3 基于yarn下Spark资源调度 | 第21页 |
3.1.4 遥感图像的栅格切分 | 第21-22页 |
3.1.5 特征提取 | 第22页 |
3.2 数据源及实验环境 | 第22-23页 |
3.2.1 数据源 | 第22页 |
3.2.2 实验环境 | 第22-23页 |
3.3 实验方案 | 第23页 |
3.4 实验结果及分析 | 第23-25页 |
3.5 本章小结 | 第25-26页 |
第四章 基于深度信念网络对草地判别研究 | 第26-33页 |
4.1 深度信念网络 | 第26-28页 |
4.2 基于DBN的遥感影像草地分类模型 | 第28-29页 |
4.2.1 DBN的工作流程 | 第28页 |
4.2.2 DBN算法设计 | 第28-29页 |
4.3 实验数据源 | 第29-30页 |
4.4 实验结果与分析 | 第30-32页 |
4.5 本章小结 | 第32-33页 |
第五章 Spark下分布式DBN并行加速研究 | 第33-43页 |
5.1 相关模型及概念 | 第33-34页 |
5.1.1 Spark任务执行框架 | 第33页 |
5.1.2 模型定义 | 第33-34页 |
5.2 基于分布式DBN的数据并行加速策略 | 第34-40页 |
5.2.1 基于Spark下DDBN的并行加速策略 | 第34-35页 |
5.2.2 分布式DBN算法实现 | 第35-37页 |
5.2.3 基于标签集的范围分区算法 | 第37-38页 |
5.2.4 基于权重的缓存替换算法 | 第38-40页 |
5.3 实验数据和实验环境 | 第40-41页 |
5.3.1 实验数据集 | 第40页 |
5.3.2 实验环境 | 第40-41页 |
5.4 实验方案 | 第41页 |
5.5 结果与分析 | 第41-42页 |
5.6 本章小结 | 第42-43页 |
第六章 结语与展望 | 第43-45页 |
6.1 总结 | 第43-44页 |
6.2 展望 | 第44-45页 |
参考文献 | 第45-49页 |
在校期间发表论文情况 | 第49-50页 |
致谢 | 第50-51页 |