基于卫星图的小样本街区品质评估
量化的城市街区品质评价是街区设计规划的重要依据,图像数据是街区品质评价模型的重要维度.目前的研究中存在街区品质标注成本较高的问题.因此本文改进基于子空间的小样本学习方法,对街区卫星图像特征进行奇异分解生成类别子空间,并将训练集子空间参数继承到街区品质评估模型中.实验结果表明,在小样本街区品质评估问题上,本文方法相比传统小样本学习方法的正确率提高约30%,一致性提高约15%.
街区品质评估、卫星图、小样本学习、自适应子空间、深度神经网络、奇异值分解、不平衡数据集、欠采样
17
TP391.41;TP18(计算技术、计算机技术)
国家自然科学基金;北京市属高校高水平创新团队建设计划项目
2023-01-11(万方平台首次上网日期,不代表论文的发表时间)
共9页
1254-1262