| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 快递物流安全监测监控研究现状 | 第11-14页 |
| 1.2.2 大数据技术与机器学习研究现状 | 第14-15页 |
| 1.3 本文拟解决的关键问题和主要内容 | 第15页 |
| 1.4 本文主要结构及章节安排 | 第15-17页 |
| 第二章 基于大数据分析的快递安全监测监控系统的设计 | 第17-29页 |
| 2.1 系统的总体设计 | 第17-20页 |
| 2.1.1 系统总体工作流程 | 第17-18页 |
| 2.1.2 系统总体架构设计 | 第18-20页 |
| 2.2 系统各功能模块的设计 | 第20-28页 |
| 2.2.1 用户管理模块的设计 | 第20-22页 |
| 2.2.2 基本数据统计分析模块的设计 | 第22-25页 |
| 2.2.3 寄递事件风险等级预测模块的设计 | 第25-26页 |
| 2.2.4 X光图像中危险品检测识别模块的设计 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 寄递事件风险等级预测模块详细设计 | 第29-42页 |
| 3.1 需求分析 | 第29页 |
| 3.2 模型构建流程及相关技术 | 第29-34页 |
| 3.2.1 数据准备 | 第30-32页 |
| 3.2.1.1 数据的采集 | 第30页 |
| 3.2.1.2 数据的预处理 | 第30-32页 |
| 3.2.2 模型的构建 | 第32-34页 |
| 3.3 模型构建详细设计 | 第34-41页 |
| 3.3.1 特征工程 | 第34-36页 |
| 3.3.2 模型训练过程 | 第36-41页 |
| 3.3.2.1 算法模型的选取 | 第37-39页 |
| 3.3.2.2 数据预处理 | 第39-40页 |
| 3.3.2.3 风险等级预测模型训练及优化 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 危险品检测识别模块详细设计 | 第42-52页 |
| 4.1 概述 | 第42-43页 |
| 4.1.1 危险品检测识别模块需求分析 | 第42页 |
| 4.1.2 危险品检测识别模块工作流程 | 第42-43页 |
| 4.2 FASTER R-CNN发展历程 | 第43-46页 |
| 4.3 模型训练 | 第46-51页 |
| 4.3.1 数据准备 | 第46页 |
| 4.3.2 训练过程 | 第46-49页 |
| 4.3.3 特征距离优化 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 系统的实现与优化结果 | 第52-59页 |
| 5.1 系统搭建运行环境 | 第52页 |
| 5.2 相关模型的评估与优化结果 | 第52-56页 |
| 5.2.1 模型评价指标 | 第52-54页 |
| 5.2.2 寄递风险等级预测模型的评估与优化结果 | 第54-55页 |
| 5.2.3 危险品检测识别模型评估与优化结果 | 第55-56页 |
| 5.3 系统相关截图 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文 | 第65页 |