- 1、本文档共55页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
摘要
基于多模态数据的城市功能区分类集成学习方法研究与实现
城市功能区是指为居住在其中的人们提供特定功能的区域(或地区)。城市功
能区分类对人类活动监测、城市管理及政策制定中发挥着关键作用。对城市功能
区进行分类不仅能了解城市功能区分布现状及内部空间结构,还可以为优化城市
空间格局及疏导城市中心区域服务压力提供决策依据。
传统上,采用遥感影像数据来区分不同的功能区,这类划分研究方法具有较
强的主观性。由于卫星过境存在时间差,进一步导致数据更新慢、研究粒度粗泛
等问题。近年来,光学技术的进步以及大数据技术的兴起为城市功能区划分研究
提供了不同模态、不同角度的影像、文本类型数据;而机器学习和深度学习技术
的长足发展为基于结构化数据的分类任务提供了强有力的技术分析手段。
本文研究面向用户访问数据和高分辨率遥感影像两种不同模态的数据,实现
基于集成学习的城市功能区细粒度分类。针对用户访问记录结构化数据,提出一
种数据模态转换方法,用于将结构化数据转换为非结构化数据以便送入卷积神经
网络。同时,基于该数据还提出一种全局特征提取方法,去除城市功能区分类过
程中对兴趣点的依赖。此外,针对机器学习分类结果和深度学习分类结果,提出
一种融合二者的集成学习网络结构,将基于遥感影像的中间结果与基于用户访问
频率数据的中间结果融合在一起,得出最终分类预测结果。
最终实验结果表明,本文提出的方法应用于高分遥感影像和用户访问频率数
据集上取得了更优的性能表现,城市功能区细粒度分类总体准确率为82.65%。
关键词:
城市功能区,集成学习,多模态数据,遥感影像,用户行为
I
Abstract
TheResearchandImplementationoftheUrbanFunctional
ZoneEnsembleLearningClassificationMethodBasedon
MultimodalDataset
Urbanfunctionalzonesareareas(orregions)inacitythatprovidespecific
functionsforcitizens.Theclassificationonurbanfunctionalzonesplaysakeyrolein
humanactivitymonitoring,urbanmanagementandpolicymaking.Itcannotonly
understandthecurrentdistributionandinternalspatialstructureofurbanfunctional
zones,butalsoprovideadecisionbasisforoptimizingthespatialpatternofcitiesand
relievingtheservicepressureinurbancenters.
Traditionally,remotesensingimagesareusedtodistinguishdifferentfunctional
zones,whichhasstrongsubjectivity.Duetothetimelagofsatellitetransit,itfurther
leadstoaslowdataupdatefrequencyandacoarseresearchgranularity.
文档评论(0)