| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 1 绪论 | 第12-28页 |
| 1.1 研究目的与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-24页 |
| 1.2.1 采摘机器人研究进展 | 第14-15页 |
| 1.2.2 机器人并行技术与并行模型的研究进展 | 第15-18页 |
| 1.2.3 机器学习预测模型决策树研究进展 | 第18-21页 |
| 1.2.4 图像聚类与分割算法研究进展 | 第21-22页 |
| 1.2.5 图像匹配技术研究进展 | 第22-24页 |
| 1.3 研究内容 | 第24-26页 |
| 1.4 技术路线和研究方案 | 第26-27页 |
| 1.5 论文的组织结构 | 第27-28页 |
| 2 苹果采摘机器人并行系统框架与相关软件并行模型 | 第28-49页 |
| 2.1 一种苹果采摘机器人并行系统框架 | 第28-29页 |
| 2.2 MR模型与实现平台 | 第29-36页 |
| 2.2.1 MR编程模型 | 第29-31页 |
| 2.2.2 实现平台 | 第31-33页 |
| 2.2.3 Hadoop框架与MR关联 | 第33-36页 |
| 2.3 基于Hadoop的存储及预取优化 | 第36-46页 |
| 2.3.1 基于Hadoop2的高性能存储优化 | 第36-38页 |
| 2.3.2 MR预取优化及调度 | 第38-43页 |
| 2.3.3 实验与分析 | 第43-46页 |
| 2.4 同构集群系统并行计算 | 第46-48页 |
| 2.4.1 集群分类 | 第46-47页 |
| 2.4.2 集群系统负载均衡与优势 | 第47-48页 |
| 2.5 本章小结 | 第48-49页 |
| 3 机器人避障预测模型并行决策树构造 | 第49-84页 |
| 3.1 属性集依赖度和MR技术的引入 | 第49-50页 |
| 3.2 机器人避障预测模型决策树 | 第50-55页 |
| 3.2.1 决策树的相关概念 | 第50页 |
| 3.2.2 基于机器人避障预测模型空间变换 | 第50-52页 |
| 3.2.3 机器人避障预测模型决策树构建 | 第52-55页 |
| 3.3 基于属性集依赖度的决策树改进算法 | 第55-63页 |
| 3.3.1 基于粗糙集的属性依赖度和属性集依赖度 | 第55-56页 |
| 3.3.2 机器人避障样本的属性集依赖度 | 第56-58页 |
| 3.3.3 基于属性集依赖度的决策树改进算法描述 | 第58-59页 |
| 3.3.4 改进算法伪码设计 | 第59-60页 |
| 3.3.5 基于属性集依赖度机器人避障决策树的模拟 | 第60-63页 |
| 3.4 基于MR和属性集依赖度的机器人避障并行决策树研究 | 第63-82页 |
| 3.4.1 决策树算法的实现方式 | 第63-64页 |
| 3.4.2 基于MR的属性集依赖度的并行算法研究 | 第64-67页 |
| 3.4.3 机器人避障的并行决策树构造 | 第67-82页 |
| 3.5 实验与分析 | 第82-83页 |
| 3.6 本章小结 | 第83-84页 |
| 4 基于空间特征的谱聚类含噪图像分割的并行优化算法 | 第84-110页 |
| 4.1 相关工作 | 第84-85页 |
| 4.1.1 并行图像聚类算法的研究与发展 | 第84页 |
| 4.1.2 需进一步深入研究的问题 | 第84-85页 |
| 4.2 基于空间特征的谱聚类含噪图像分割算法优化 | 第85-95页 |
| 4.2.1 优化算法中的相关定义 | 第85-90页 |
| 4.2.2 基于空间特征的谱聚类含噪图像分割优化算法设计 | 第90-94页 |
| 4.2.3 优化算法的复杂度分析 | 第94-95页 |
| 4.3 优化算法的MR并行策略与设计 | 第95-109页 |
| 4.3.1 初始化及预处理的MR | 第95-99页 |
| 4.3.2 三维特征点稀疏化相似矩阵MR并行策略与设计 | 第99-102页 |
| 4.3.3 算法实验与复杂度分析 | 第102-109页 |
| 4.4 本章小结 | 第109-110页 |
| 5 基于分级嵌套串匹配的并行图像匹配技术研究 | 第110-128页 |
| 5.1 图像匹配并行问题的提出 | 第110-111页 |
| 5.2 基于一维数据差分的图像特征字符串的提取 | 第111-116页 |
| 5.2.1 图像的一维灰度投影 | 第111-112页 |
| 5.2.2 图像特征字符串提取 | 第112-116页 |
| 5.3 分级嵌套精确串匹配算法 | 第116-120页 |
| 5.3.1 分级嵌套精确串匹配 | 第116-117页 |
| 5.3.2 Hash函数的构造 | 第117-118页 |
| 5.3.3 KMP改进算法 | 第118-119页 |
| 5.3.4 实例分析 | 第119-120页 |
| 5.3.5 算法的效率分析 | 第120页 |
| 5.4 基于分级嵌套串匹配的并行图像匹配 | 第120-127页 |
| 5.4.1 MPI并行设计 | 第120-122页 |
| 5.4.2 分级嵌套精确串匹配算法并行化 | 第122-125页 |
| 5.4.3 性能分析 | 第125-126页 |
| 5.4.4 算法调试环境与结果 | 第126-127页 |
| 5.5 本章小结 | 第127-128页 |
| 6 总结与展望 | 第128-130页 |
| 6.1 总结 | 第128页 |
| 6.2 论文主要创新点 | 第128-129页 |
| 6.3 研究展望 | 第129-130页 |
| 致谢 | 第130-132页 |
| 参考文献 | 第132-143页 |
| 攻读博士学位期间的主要成果 | 第143-144页 |
