| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 引言 | 第11-12页 |
| 1.2 研究背景及现状 | 第12-13页 |
| 1.3 本研究的工作介绍和篇章安排 | 第13-15页 |
| 第2章 Hadoop技术框架介绍 | 第15-24页 |
| 2.1 Hadoop介绍 | 第15-17页 |
| 2.1.1 Hadoop历史 | 第15-16页 |
| 2.1.2 Hadoop的优势 | 第16页 |
| 2.1.3 Hadoop生态系统 | 第16-17页 |
| 2.2 HDFS机制 | 第17-20页 |
| 2.2.1 HDFS的设计思想 | 第17-18页 |
| 2.2.2 HDFS体系结构 | 第18-20页 |
| 2.3 MapReduce编程模型 | 第20-22页 |
| 2.3.1 MapReduce特性 | 第21页 |
| 2.3.2 MapReduce后台进程 | 第21-22页 |
| 2.4 YARN | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于Hadoop的Lick线指数计算 | 第24-30页 |
| 3.1 Lick线指数简介 | 第24-26页 |
| 3.2 Lick线指数计算过程的MapReduce化 | 第26-28页 |
| 3.2.1 数据介绍 | 第26-27页 |
| 3.2.2 数据预处理 | 第27-28页 |
| 3.2.3 实验设计 | 第28页 |
| 3.3 实验结果分析 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第4章 Hadoop平台下基于贝叶斯算法的光谱分类 | 第30-34页 |
| 4.1 基于最小错误率的贝叶斯决策 | 第30-31页 |
| 4.2 实验设计与实现 | 第31-33页 |
| 4.2.1 实验数据 | 第31-32页 |
| 4.2.2 实验步骤 | 第32-33页 |
| 4.3 实验结果分析 | 第33页 |
| 4.4 本章小结 | 第33-34页 |
| 第5章 基于线指数的核回归方法在参数测量中的应用 | 第34-41页 |
| 5.1 核偏最小二乘回归(KPLSR) | 第34-35页 |
| 5.2 基于KPLSR恒星物理参数估计算法 | 第35-37页 |
| 5.3 实验一及结果分析 | 第37-39页 |
| 5.3.1 实验数据 | 第37页 |
| 5.3.2 实验结果分析 | 第37-39页 |
| 5.4 实验二及结果分析 | 第39-40页 |
| 5.4.1 实验数据 | 第39页 |
| 5.4.2 实验结果分析 | 第39-40页 |
| 5.5 本章小结 | 第40-41页 |
| 第6章 总结与展望 | 第41-43页 |
| 6.1 工作总结 | 第41-42页 |
| 6.2 后续研究与展望 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 攻读学位期间发表的学术论文目录 | 第48-49页 |
| 致谢 | 第49-50页 |
| 学位论文评阔及答辩情况表 | 第50页 |