| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究背景和意义 | 第8-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 高光谱遥感图像分类的研究现状 | 第10-11页 |
| 1.2.2 云计算平台下高光谱遥感图像分类的并行化研究现状 | 第11页 |
| 1.2.3 Hadoop MapReduce调度优化研究现状 | 第11-12页 |
| 1.3 论文主要内容 | 第12-15页 |
| 1.3.1 论文主要研究内容 | 第12-13页 |
| 1.3.2 论文结构安排 | 第13-15页 |
| 2 高光谱遥感图像分类方法 | 第15-27页 |
| 2.1 高光谱遥感图像传统分类方法 | 第15页 |
| 2.2 基于稀疏表示的高光谱遥感图像分类方法 | 第15-20页 |
| 2.2.1 稀疏表示数学模型 | 第15-16页 |
| 2.2.2 高光谱遥感图像的稀疏表示分类模型 | 第16-17页 |
| 2.2.3 基于空间相关性正则化稀疏表示分类模型 | 第17-19页 |
| 2.2.4 高光谱遥感图像分类精度评价 | 第19-20页 |
| 2.3 SCSRC算法实现与实验 | 第20-26页 |
| 2.3.1 实验环境与算法实现 | 第20-22页 |
| 2.3.2 数据集1上的实验结果 | 第22-24页 |
| 2.3.3 数据集2上的实验结果 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 云计算平台下SCSRC算法的并行化 | 第27-57页 |
| 3.1 SCSRC算法性能分析 | 第27-28页 |
| 3.2 Hadoop平台下SCSRC算法并行化设计 | 第28-46页 |
| 3.2.1 Hadoop云计算技术 | 第28-33页 |
| 3.2.2 基于MapReduce的SCSRC算法并行化研究 | 第33-46页 |
| 3.3 Spark平台下SCSRC算法并行化研究 | 第46-51页 |
| 3.3.1 Spark云计算技术及优势 | 第46-48页 |
| 3.3.2 基于RDD的SCSRC算法并行化实现 | 第48-51页 |
| 3.4 实验验证与结果分析 | 第51-56页 |
| 3.4.1 实验环境与内容 | 第51页 |
| 3.4.2 SK_SCSRC算法的加速比测试 | 第51-53页 |
| 3.4.3 SK_SCSRC算法的扩展比测试 | 第53-54页 |
| 3.4.4 MR_SCSRC算法和SK_SCSRC算法的比较 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 基于GA的MapReduce任务调度器设计与实现 | 第57-76页 |
| 4.1 现有调度器介绍 | 第57-59页 |
| 4.1.1 调度器原理 | 第57-58页 |
| 4.1.2 现有调度器 | 第58-59页 |
| 4.1.3 现有调度器的不足 | 第59页 |
| 4.2 Hadoop平台下任务调度问题建模 | 第59-60页 |
| 4.2.1 任务调度描述 | 第59页 |
| 4.2.2 任务调度举例 | 第59-60页 |
| 4.3 基于多种群自适应遗传算法的MapReduce任务调度器设计 | 第60-66页 |
| 4.3.1 遗传算法 | 第61-62页 |
| 4.3.2 基于多种群自适应遗传算法的任务调度算法设计 | 第62-66页 |
| 4.4 基于多种群自适应遗传算法的MapReduce任务调度器实现 | 第66-70页 |
| 4.4.1 MR_SCSRC算法任务序列计算模块 | 第67-68页 |
| 4.4.2 MR_SCSRC算法任务序列调度模块 | 第68-70页 |
| 4.5 实验验证与结果分析 | 第70-75页 |
| 4.5.1 StaticGAtaskScheduler调度器的加载 | 第71页 |
| 4.5.2 StaticGAtaskScheduler调度器的可行性 | 第71-73页 |
| 4.5.3 StaticGAtaskScheduler下MR_SCSRC性能提升 | 第73-75页 |
| 4.6 本章小结 | 第75-76页 |
| 5 总结与展望 | 第76-78页 |
| 5.1 研究工作总结 | 第76-77页 |
| 5.2 研究展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83页 |
