CNN在城市低效居住用地智能识别与协同更新中的应用.docxVIP

CNN在城市低效居住用地智能识别与协同更新中的应用

目录

CNN在城市低效居住用地智能识别与协同更新中的应用（1）．．．．．．．3

一、文档概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

研究背景及意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1城市低效居住用地的现状与挑战．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.2CNN技术在智能识别与协同更新中的应用前景．．．．．．．．．．．．．．．．7

1.3研究意义与价值．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

研究范围与对象界定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

2.1研究区域划定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

2.2研究对象．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

2.3CNN技术的应用范围．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

二、CNN技术概述与应用现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

CNN技术基本原理及发展历程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

1.1CNN技术的基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

1.2CNN技术的工作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

1.3CNN技术的发展历程与趋势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

CNN技术在智能识别领域的应用现状．．．．．．．．．．．．．．．．．．．．．．．．25

2.1图像识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

2.2数据挖掘与分类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

2.3目标检测与跟踪．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

CNN技术在协同更新领域的应用现状．．．．．．．．．．．．．．．．．．．．．．．．32

3.1城市规划与更新策略制定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

3.2跨区域协同更新机制构建与实施应用实例分析．．．．．．．．．．．．．．38

三、城市低效居住用地的现状分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

CNN在城市低效居住用地智能识别与协同更新中的应用（2）．．．．．．42

一、内容概要．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

（一）背景介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

（二）研究意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

（三）主要内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

二、相关工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50

（一）城市低效居住用地识别方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

（二）卷积神经网络在城市规划中的应用．．．．．．．．．．．．．．．．．．．．．．53

（三）协同更新策略探讨．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

三、CNN在城市低效居住用地智能识别中的理论与方法．．．．．．．．．．．56

（一）CNN基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．59

（二）特征提取与分类器设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．60

（三）模型训练与优化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．62

四、城市低效居住用地协同更新策略与实践．．．．．．．．．．．．．．．．．．．．63

（一）协同更新的理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．66

（二）基于CNN的协同更新方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．68

（三）实证分析与案例研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6