| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·气象挖掘中支持向量机的应用现状 | 第9-10页 |
| ·并行支持向量机的应用研究现状 | 第10-11页 |
| ·云计算下气象应用研究现状 | 第11-13页 |
| ·本文研究内容 | 第13页 |
| ·论文结构简介 | 第13-14页 |
| 第二章 相关理论及技术概述 | 第14-26页 |
| ·云计算 | 第14-16页 |
| ·云计算的概念 | 第14页 |
| ·云计算的基本特性 | 第14-15页 |
| ·云计算的服务类型 | 第15-16页 |
| ·开源云平台Hadoop | 第16-20页 |
| ·Hadoop概述 | 第16页 |
| ·Hadoop分布式文件系统HDFS | 第16-18页 |
| ·MapReduce编程模型 | 第18-20页 |
| ·统计学习理论 | 第20-22页 |
| ·VC维的概念 | 第20页 |
| ·推广性的界理论 | 第20-21页 |
| ·结构风险最小化原则 | 第21-22页 |
| ·支持向量机 | 第22-26页 |
| ·线性可分支持向量机 | 第22-23页 |
| ·线性不可分支持向量机 | 第23-25页 |
| ·支持向量机的特点 | 第25-26页 |
| 第三章 基于MapReduce的并行分布式SVM算法 | 第26-33页 |
| ·SVM分组训练与层叠训练算法及性能分析 | 第26-28页 |
| ·分组训练算法性能分析 | 第26-27页 |
| ·层叠训练算法性能分析 | 第27-28页 |
| ·层叠分组并行训练算法 | 第28-33页 |
| ·算法思路 | 第28-29页 |
| ·基于MapReduce的并行SVM算法实现 | 第29-31页 |
| ·算法程序设计 | 第31-33页 |
| 第四章 算法实验及结果分析 | 第33-42页 |
| ·实验环境搭建 | 第33-39页 |
| ·硬件环境 | 第33页 |
| ·软件环境 | 第33页 |
| ·Hadoop环境搭建 | 第33-39页 |
| ·实验方案及结果分析 | 第39-42页 |
| ·实验数据准备 | 第39页 |
| ·实验方案及性能评估 | 第39-42页 |
| 第五章 影响沙尘暴形成的气象因子分析 | 第42-46页 |
| ·沙尘暴气象因子 | 第42页 |
| ·主成分分析法 | 第42-43页 |
| ·气象因子分析 | 第43-46页 |
| 第六章 总结与展望 | 第46-47页 |
| ·总结 | 第46页 |
| ·展望 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间发表学术论文情况 | 第51页 |