首页--农业科学论文--水产、渔业论文--水产工程论文--水产机械仪器论文--电子设备、计算机在渔业上的应用论文

基于大数据技术的智慧水产养殖系统研究

摘要第3-4页
abstract第4-5页
1 绪论第9-19页
    1.1 研究背景及意义第9-12页
        1.1.1 “智慧水产养殖”背景第9-10页
        1.1.2 大数据技术背景第10-11页
        1.1.3 课题研究意义第11-12页
    1.2 国内外研究现状第12-17页
        1.2.1 国内外水产养殖信息化研究现状第12-14页
        1.2.2 国内外大数据研究现状第14-15页
        1.2.3 国内外智慧水产养殖研究现状第15-17页
    1.3 论文的主要内容和组织结构第17-19页
        1.3.1 研究内容第17页
        1.3.2 组织结构第17-19页
2 相关技术与原理综述第19-34页
    2.1 Hadoop分布式平台第19-23页
        2.1.1 Hadoop平台简介第19-20页
        2.1.2 HDFS文件系统第20-21页
        2.1.3 MapReduce并行编程计算框架第21-22页
        2.1.4 HBase存储第22-23页
    2.2 数据挖掘第23-25页
        2.2.1 数据挖掘定义第23-24页
        2.2.2 数据挖掘过程第24-25页
    2.3 人工神经网络第25-27页
        2.3.1 人工神经网络简介第25页
        2.3.2 人工神经网络原理第25-26页
        2.3.3 人工神经网络设计实现过程第26-27页
    2.4 BP神经网络算法介绍第27-30页
        2.4.1 BP神经网络的基本原理第27-28页
        2.4.2 BP神经网络的算法流程第28-30页
    2.5 粗糙集与属性约简第30-33页
        2.5.1 粗糙集理论第30-31页
        2.5.2 属性约简第31-32页
        2.5.3 基于可分辨矩阵的属性约简算法第32-33页
    2.6 本章小结第33-34页
3 基于BP神经网络的水产养殖要素数据分析第34-46页
    3.1 BP神经网络养殖要素分析思想第34页
    3.2 BP神经网络水产养殖要素分析模型优化第34-36页
        3.2.1 传统BP神经网络存在的问题第34-35页
        3.2.2 BP神经网络优化思路第35-36页
    3.3 基于可分辨矩阵的启发式Johnson约简算法第36-37页
        3.3.1 启发式Johnson约简算法第36-37页
    3.4 可分辨矩阵约简优化BP神经网络的数据分析模型第37-38页
    3.5 以山东省对虾产量预测为例JOBP在要素分析中的应用第38-45页
        3.5.1 神经元选择第38-40页
        3.5.2 属性约简第40-41页
        3.5.3 网络参数设计第41-43页
        3.5.4 模型评价第43-45页
    3.6 本章小结第45-46页
4 基于MAPREDUCE的BP神经网络养殖水质分类第46-58页
    4.1 BP神经网络并行思想第46页
    4.2 MapReduce编程思想第46-48页
    4.3 BP神经网络算法的MapReduce设计第48-51页
        4.3.1 BP神经网络算法并行化流程设计第48-49页
        4.3.2 Map阶段详述及伪代码设计第49-50页
        4.3.3 Combine阶段详述及伪代码设计第50-51页
        4.3.4 Reduce阶段详述及伪代码设计第51页
    4.4 BP神经网络分布式算法在水质分类上的应用第51-56页
        4.4.1 集群搭建第51-53页
        4.4.2 数据介绍及预处理第53-55页
        4.4.3 结果分析第55-56页
    4.5 本章小结第56-58页
5 基于HADOOP的智慧水产养殖系统设计与实现第58-74页
    5.1 平台目标第58页
    5.2 平台的系统架构设计第58-62页
        5.2.1 平台体系架构设计第58-61页
        5.2.2 平台开发框架第61-62页
    5.3 流程设计第62-65页
        5.3.1 业务流程设计第62-63页
        5.3.2 模型系统设计流程第63-65页
    5.4 数据库设计第65-67页
    5.5 平台功能设计第67-73页
    5.6 本章小结第73-74页
结论与展望第74-75页
参考文献第75-79页
致谢第79-80页
攻读学位期间发表的学术论文第80-81页

论文共81页,点击 下载论文
上一篇:基于DDR4 SDRAM的光电图像实时存储技术研究
下一篇:红外多波段图像融合算法研究