基于TensorFlow的非智能锁单车定位系统的设计与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 选题背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 国外研究现状 | 第15-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 论文工作内容 | 第17-18页 |
| 1.4 论文组织结构 | 第18页 |
| 1.5 本章小结 | 第18-20页 |
| 第二章 相关技术概述 | 第20-28页 |
| 2.1 深度学习 | 第20-25页 |
| 2.1.1 深度学习的概念 | 第20-22页 |
| 2.1.2 深度学习的发展 | 第22-23页 |
| 2.1.3 深度学习的应用 | 第23-25页 |
| 2.2 TensorFlow | 第25-26页 |
| 2.3 Numpy | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 系统需求分析 | 第28-42页 |
| 3.1 系统总体需求分析 | 第28-30页 |
| 3.2 系统功能性需求分析 | 第30-41页 |
| 3.2.1 用户管理需求分析 | 第31-32页 |
| 3.2.2 数据预处理需求分析 | 第32-33页 |
| 3.2.3 物理地理距离模块需求分析 | 第33-35页 |
| 3.2.4 深度神经网络模块需求分析 | 第35-37页 |
| 3.2.5 分类拟合模型模块需求分析 | 第37-39页 |
| 3.2.6 损失函数优化模块需求分析 | 第39-41页 |
| 3.3 系统非功能性需求分析 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 系统设计与实现 | 第42-61页 |
| 4.1 系统总体设计 | 第42-47页 |
| 4.1.1 系统总体架构 | 第42-43页 |
| 4.1.2 系统数据建模 | 第43-45页 |
| 4.1.3 系统训练模式 | 第45-47页 |
| 4.2 数据预处理模块设计与实现 | 第47-51页 |
| 4.2.1 经纬度过滤模块设计与实现 | 第47-48页 |
| 4.2.2 车牌号过滤模块设计与实现 | 第48-50页 |
| 4.2.3 无效订单过滤模块设计实现 | 第50-51页 |
| 4.3 数据学习模块设计与实现 | 第51-60页 |
| 4.3.1 物理地理距离模块设计与实现 | 第51-53页 |
| 4.3.2 深度神经网络模块设计与实现 | 第53-57页 |
| 4.3.3 分类拟合模型模块设计与实现 | 第57-58页 |
| 4.3.4 损失函数优化模块设计与实现 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 系统测试 | 第61-74页 |
| 5.1 系统测试环境 | 第61页 |
| 5.2 测试用例及过程 | 第61-68页 |
| 5.2.1 可视化测试 | 第61-64页 |
| 5.2.2 训练结构配置 | 第64-65页 |
| 5.2.3 系统持续训练 | 第65-67页 |
| 5.2.4 训练日志分析 | 第67-68页 |
| 5.3 测试结果分析 | 第68-72页 |
| 5.4 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80-81页 |
