| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 分布式云存储技术 | 第16-27页 |
| 2.1 云存储简述 | 第16-19页 |
| 2.1.1 云存储分类 | 第16-17页 |
| 2.1.2 云存储优势 | 第17-18页 |
| 2.1.3 云存储结构 | 第18-19页 |
| 2.2 分布式文件系统 | 第19-24页 |
| 2.2.1 HDFS的设计原则 | 第19-20页 |
| 2.2.2 HDFS的架构与组成 | 第20-22页 |
| 2.2.3 HDFS数据的存取流程 | 第22-24页 |
| 2.3 并行计算框架 | 第24-26页 |
| 2.3.1 MapReduce的工作原理 | 第24-25页 |
| 2.3.2 MapReduce的工作流程 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于云平台图像识别系统的研究 | 第27-38页 |
| 3.1 系统整体设计 | 第27-28页 |
| 3.2 系统流程分析 | 第28-37页 |
| 3.2.1 数据采集 | 第28-29页 |
| 3.2.2 图像预处理 | 第29-32页 |
| 3.2.3 图像分割 | 第32-34页 |
| 3.2.4 特征值提取 | 第34-37页 |
| 3.3 系统参数设计 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于并行BP神经网络算法的图像识别技术研究 | 第38-52页 |
| 4.1 BP算法基本思想 | 第38-40页 |
| 4.2 并行BP神经网络模型设计 | 第40-46页 |
| 4.2.1 模型构建 | 第40-43页 |
| 4.2.2 BP神经网络算法并行化 | 第43-44页 |
| 4.2.3 样本训练 | 第44-46页 |
| 4.3 实验对比分析 | 第46-51页 |
| 4.3.1 性能对比指标 | 第46-47页 |
| 4.3.2 实验结果 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 云平台储粮害虫识别系统的实现 | 第52-63页 |
| 5.1 害虫检测云平台的设计 | 第52-59页 |
| 5.1.1 云平台服务流程及架构 | 第52-54页 |
| 5.1.2 害虫检测云平台的搭建 | 第54-59页 |
| 5.2 系统的实现 | 第59-62页 |
| 5.2.1 系统总架构 | 第59-60页 |
| 5.2.2 图像识别系统的交互设计 | 第60-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63页 |
| 6.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |