| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 Hadoop和数据挖掘的研究现状 | 第10-12页 |
| 1.2.1 Hadoop研究和应用现状 | 第10-11页 |
| 1.2.2 数据挖掘的研究现状 | 第11-12页 |
| 1.3 遥感数据变化监测的研究现状 | 第12-15页 |
| 1.3.1 监督分类 | 第12-13页 |
| 1.3.2 非监督分类 | 第13-14页 |
| 1.3.3 半监督分类 | 第14页 |
| 1.3.4 遥感图像数据源 | 第14-15页 |
| 1.4 论文研究内容 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-17页 |
| 第二章 相关背景知识介绍 | 第17-27页 |
| 2.1 Hadoop平台 | 第17-19页 |
| 2.1.1 Hadoop平台概述 | 第17页 |
| 2.1.2 Hadoop生态环境组成和优势 | 第17-19页 |
| 2.2 数据挖掘 | 第19-20页 |
| 2.2.1 数据挖掘概述及定义 | 第19页 |
| 2.2.2 数据挖掘功能分类 | 第19-20页 |
| 2.3 挖掘算法的并行化概述 | 第20-21页 |
| 2.4 遥感卫星图像处理工作 | 第21-26页 |
| 2.4.1 遥感卫星图像预处理 | 第21页 |
| 2.4.2 特征选取 | 第21-22页 |
| 2.4.3 辐射定标与大气校正 | 第22-24页 |
| 2.4.4 几何校正 | 第24-25页 |
| 2.4.5 图像数据融合 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 动态K-means算法的研究与实现 | 第27-37页 |
| 3.1 引言 | 第27-28页 |
| 3.2 动态K-means算法公式定义和分裂合并过程描述 | 第28-29页 |
| 3.2.1 算法基本定义 | 第28页 |
| 3.2.2 分裂与合并过程 | 第28-29页 |
| 3.3 动态K-means初始聚类中心的确定和具体步骤描述 | 第29-33页 |
| 3.3.1 初始聚类中心的确定 | 第29-31页 |
| 3.3.2 动态K-means算法具体步骤 | 第31-33页 |
| 3.4 基于动态改变的K-means算法实验 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于BP神经网络的分裂合并划分 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 BP神经网络算法具体分析 | 第37-44页 |
| 4.2.1 BP神经网络算法思想 | 第37-38页 |
| 4.2.2 BP神经网络算法的学习机制 | 第38页 |
| 4.2.3 BP神经网络的样本处理 | 第38-39页 |
| 4.2.4 BP神经网络的参数选择 | 第39-43页 |
| 4.2.5 BP算法的步骤及流程图 | 第43-44页 |
| 4.3 基于BP神经网络的分裂合并划分 | 第44-46页 |
| 4.3.1 BP神经网络的参数确定 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于Hadoop平台的动态K-means算法的并行化实现 | 第47-56页 |
| 5.1 引言 | 第47页 |
| 5.2 动态K-means算法并行化处理的原理 | 第47-48页 |
| 5.3 基于Hadoop遥感卫星图像数据分块输入处理 | 第48-50页 |
| 5.3.1 图像数据输入格式处理 | 第48-49页 |
| 5.3.2 图像数据输出格式处理 | 第49-50页 |
| 5.4 动态K-means算法并行思路和代码描述 | 第50-52页 |
| 5.4.1 动态算法并行思路 | 第50-51页 |
| 5.4.2 代码描述 | 第51-52页 |
| 5.5 实验分析 | 第52-55页 |
| 5.5.1 Hadoop平台的环境搭建与相关配置 | 第52-53页 |
| 5.5.2 实验数据介绍 | 第53-54页 |
| 5.5.3 实验结果与分析 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 本文研究总结 | 第56-57页 |
| 6.2 未来前景展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第60-61页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |
