隨著大數(shù)據(jù)技術(shù)發(fā)展,很多平臺能夠存儲并對外提供海量地表圖片,Flickr就是其中之一。全球地表覆蓋利用地圖一直是很多研究內(nèi)容的基礎(chǔ)平臺,然而地表每天都在發(fā)生變化,這就導(dǎo)致地表覆蓋利用地圖時效性不高。目前獲取地表覆蓋利用地圖常用的方法有通過遙感影像分析提取,一方面提取內(nèi)容的準(zhǔn)確率跟遙感影像分辨率以及分析技術(shù)有關(guān),另一方面獲取全球的遙感影像分析并提取地表覆蓋利用地圖也是一件浩大的工作。因此在如何獲取精準(zhǔn)、低成本、時效性高的地表覆蓋利用地圖是當(dāng)前研究的熱點與難點。隨著人工智能浪潮的推進(jìn),深度學(xué)習(xí)在計算機視覺領(lǐng)域的應(yīng)用已經(jīng)有很多成功的案例。將深度學(xué)習(xí)應(yīng)用在地理與環(huán)境的研究是一件比較有創(chuàng)新性的工作。大數(shù)據(jù)為深度學(xué)習(xí)提供了海量地表圖片數(shù)據(jù),但是圖片的篩選獲取與標(biāo)注也是工作難點。目前也存在相關(guān)的地表覆蓋圖片數(shù)據(jù)集,但是并沒有按照某一分類體系劃分類別,創(chuàng)建按照地表覆蓋分類體系劃分的圖片數(shù)據(jù)集也是非常具有難度和創(chuàng)新性。數(shù)據(jù)決定模型的上限,因此目前存在的地表覆蓋分類模型準(zhǔn)確率也有待提高。研究如何提高模型的準(zhǔn)確率也是一個重要的研究方向。因此,本文基于現(xiàn)有的網(wǎng)絡(luò)技術(shù)獲取海量數(shù)據(jù)集,按照LCCS分類體系創(chuàng)建圖片數(shù)據(jù)倉庫,并在數(shù)據(jù)倉庫的基礎(chǔ)上研究深度學(xué)習(xí)在地表覆蓋分類上的應(yīng)用。本文首先概述了地表覆蓋利用地圖在各個領(lǐng)域的重要性,以及目前提取地表覆蓋利用地圖所遇到的問題。陳述目前存在的地表覆蓋分類系統(tǒng),深度學(xué)習(xí)的發(fā)展歷程以及深度學(xué)習(xí)在自動識別地表覆蓋類型研究現(xiàn)狀,分析了目前深度學(xué)習(xí)在識別地表覆蓋類型領(lǐng)域的應(yīng)用還存在一些不足。其次,在研究地表覆蓋數(shù)據(jù)集建設(shè)的基礎(chǔ)上,對現(xiàn)有數(shù)據(jù)集的不足,提出按照LCCS分類系統(tǒng)對數(shù)據(jù)集進(jìn)行標(biāo)注劃分;并建設(shè)一個能夠自主的根據(jù)地理空間范圍、關(guān)鍵字等條件,索引出相應(yīng)圖片數(shù)據(jù)集的數(shù)據(jù)倉庫。此項工作能夠為識別地表覆蓋類型領(lǐng)域提供強大的數(shù)據(jù)基礎(chǔ)。最后在建設(shè)的數(shù)據(jù)倉庫基礎(chǔ)上,選擇歐洲地區(qū)為研究區(qū),研究歐洲地區(qū)的地表覆蓋分類模型訓(xùn)練,并對標(biāo)注數(shù)據(jù)做了準(zhǔn)確性驗證。通過調(diào)節(jié)Dropout、初始學(xué)習(xí)率,利用Adam、RMSProp自適應(yīng)學(xué)習(xí)率算法等方法選擇網(wǎng)絡(luò)識別性能最優(yōu)的模型算法。實驗結(jié)果表明,網(wǎng)絡(luò)模型的初始學(xué)習(xí)率設(shè)置為0.005,Dropout設(shè)置為0.5,優(yōu)化算法選用Adam算法會有更好的表現(xiàn)。其中準(zhǔn)確率Top1 59%,Top383%。該模型能夠達(dá)到好的識別效果,為地表覆蓋類型識別應(yīng)用提供了技術(shù)支持,為全球地表覆蓋利用地圖的提取提供了新的方法。并且本文建設(shè)的基于LCCS分類系統(tǒng)全球地表覆蓋圖片數(shù)據(jù)倉庫為更多的研究內(nèi)容提供了數(shù)據(jù)支持。
【學(xué)位單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：P237
【部分圖文】：

圖 1-2 基于 Inception 模型遷移學(xué)習(xí)Figure 1-2 Migration learning based on Inception model該論文在土地覆蓋識別任務(wù)上測試集準(zhǔn)確率低于 50%，數(shù)據(jù)不平衡是因之一。該論文的實驗的數(shù)據(jù)集類別并沒有包涵全球所有的土地覆蓋類別在樣本之間相似度過高但是又是不同類別。森林樣本量達(dá)到了 3975 張，卻達(dá)到了 13369 張，種植園 341 張。因此目前還沒有按照 CLC[65]或者 L類系統(tǒng)分類的數(shù)據(jù)集[66]。按照分類系統(tǒng)去識別某一地表覆蓋類型，并給出的類別。目前缺少基于 LCCS 分類體系分類的圖片庫，因此建設(shè)相關(guān)圖片庫并訓(xùn)練相應(yīng)的識別模型是比較有研究前景的工作。.3 研究目標(biāo)、內(nèi)容與技術(shù)路線（Research objectives, contenttechnical routes）3.1 研究目標(biāo)本文主要研究基于 LCCS 地表覆蓋分類體系建設(shè)關(guān)于全球的地表圖片庫，并基于建設(shè)好的數(shù)據(jù)倉庫訓(xùn)練能夠識別感興趣地區(qū)所有地表覆蓋類型

研究技術(shù)路線

圖 2-1 LCCS 分類系統(tǒng)Figure 2-1 LCCS classification system2.2 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network）生物學(xué)上的神經(jīng)網(wǎng)絡(luò)應(yīng)用到計算機領(lǐng)域中，最開始是研究貓的瞳孔對應(yīng)大腦皮層神經(jīng)元的關(guān)系。貓視覺上受到刺激后，大腦會抽象化信息并得到相應(yīng)的結(jié)果由此在計算機領(lǐng)域中也采取逐級分層抽象化特征，來模擬生物學(xué)上的機理。這種逐級分層我們可以理解為逐級構(gòu)造特征，每一層學(xué)習(xí)不同的特征，依次組合構(gòu)造特征得到最后的結(jié)果。數(shù)學(xué)意義上可以理解為不斷學(xué)習(xí)某個函數(shù)，使得這個函數(shù)能夠很好的分類或者預(yù)測。神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)，在生物學(xué)里神經(jīng)元是相互連接的，如果達(dá)到一定的條件，神經(jīng)元會把信號發(fā)送給連接的神經(jīng)元，不同的神經(jīng)元會針對信號做出相應(yīng)的處理，再傳給大腦。M-P 網(wǎng)絡(luò)模型[74]是對生物學(xué)神經(jīng)元的一種描述，信號是多維度的矩陣，通過神經(jīng)鏈接傳遞下去，神經(jīng)元收到的輸入值與限制條件對比再通過非線性變換產(chǎn)生輸出。M-P 網(wǎng)絡(luò)模型概念圖如圖2-2。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬宏新;;數(shù)據(jù)倉庫技術(shù)在高速公路數(shù)據(jù)倉庫系統(tǒng)中的應(yīng)用[J];吉林交通科技;2011年01期

2 郝雅萍;;計算機數(shù)據(jù)倉庫的構(gòu)建原理及發(fā)展趨勢[J];延邊教育學(xué)院學(xué)報;2018年06期

3 劉皓;;基于網(wǎng)絡(luò)數(shù)據(jù)倉庫及OLAP技術(shù)的決策支持系統(tǒng)設(shè)計[J];網(wǎng)絡(luò)安全技術(shù)與應(yīng)用;2015年11期

4 王鋒;;維數(shù)據(jù)倉庫及其在復(fù)雜數(shù)據(jù)建模中的應(yīng)用研究[J];通訊世界;2015年03期

5 劉靜;劉麗紅;張竹綠;田野;;使用數(shù)據(jù)清洗技術(shù)進(jìn)行中醫(yī)藥數(shù)據(jù)倉庫質(zhì)量控制研究[J];中國數(shù)字醫(yī)學(xué);2012年04期

6 蔣彬;余肖生;王東娟;姜艷靜;趙美林;;數(shù)據(jù)倉庫構(gòu)建之行為模式分析[J];信息系統(tǒng)學(xué)報;2013年01期

7 崔愿星;;淺析數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的應(yīng)用[J];內(nèi)江科技;2014年01期

8 韓蕊;;大數(shù)據(jù)讓數(shù)據(jù)倉庫更具價值[J];互聯(lián)網(wǎng)周刊;2014年02期

9 譚光瑋;武彤;;基于生產(chǎn)線質(zhì)量控制系統(tǒng)的動態(tài)數(shù)據(jù)倉庫解決方案[J];微型機與應(yīng)用;2014年07期

10 李澍;;關(guān)于采用云計算技術(shù)構(gòu)建大型數(shù)據(jù)倉庫平臺的探究[J];計算機光盤軟件與應(yīng)用;2014年16期

相關(guān)會議論文 前10條

1 鄒勇;宋楠;仇道霞;王冬青;陳松;;數(shù)據(jù)倉庫信息搜索系統(tǒng)探索[A];中國煙草學(xué)會2012年學(xué)術(shù)年會論文集[C];2012年

2 金周;;基于數(shù)據(jù)倉庫的能耗指標(biāo)查詢體系[A];全國冶金自動化信息網(wǎng)2009年會論文集[C];2009年

3 王曉玲;謝鴻強;劉安;董逸生;;數(shù)據(jù)倉庫建模工具的研制[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2000年

4 張德輝;李建中;;多維壓縮數(shù)據(jù)倉庫上的并行聚集算法[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2000年

5 潘海為;李建中;;數(shù)據(jù)倉庫的并行加載算法[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2000年

6 丁峰;鄧勇;沈鈞毅;;數(shù)據(jù)倉庫中進(jìn)行數(shù)據(jù)維護(hù)的方法研究[A];第十七屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2000年

7 宋荷慶;胡華;;在證券公司業(yè)務(wù)中建造數(shù)據(jù)倉庫[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2001年

8 隋琪;王海洋;;一種基于數(shù)據(jù)倉庫的服務(wù)評估方法[A];第二十二屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2005年

9 宋國杰;楊冬青;林子雨;唐世渭;王騰蛟;謝昆青;;實時主動數(shù)據(jù)倉庫的概念、問題及應(yīng)用[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

10 周訓(xùn)偉;鮑泓;;泛矩陣——數(shù)據(jù)倉庫中OLAP操作的數(shù)學(xué)基礎(chǔ)[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

相關(guān)重要報紙文章 前10條

1 James Kobielus 編譯 陳琳華;數(shù)據(jù)湖正在成為新的數(shù)據(jù)倉庫[N];計算機世界;2019年

2 全民 英大泰和財產(chǎn)保險股份有限公司 趙永堅 中煤財產(chǎn)保險股份有限公司;保險企業(yè)信息化回顧及信息化保險展望[N];中國保險報;2017年

3 陳玉飛 周濤;人工智能能代替指揮員嗎[N];解放軍報;2017年

4 張靜;大數(shù)據(jù)時代數(shù)據(jù)倉庫的技術(shù)跟進(jìn)[N];中國信息化周報;2014年

5 本報記者 程彥博;海關(guān)數(shù)據(jù)倉庫云平臺：大塊頭有大智慧[N];中國計算機報;2013年

6 本報記者 鄒大斌;數(shù)據(jù)倉庫、Hadoop，一個都不能少[N];計算機世界;2013年

7 張中淋 李亮 陳濤 中國石油內(nèi)江銷售公司 中國石油四川銷售公司;如何建設(shè)數(shù)據(jù)倉庫[N];計算機世界;2013年

8 壽川;2002Teradata數(shù)據(jù)倉庫峰會在上海召開[N];市場報;2002年

9 記者 舉薇;Teradata數(shù)據(jù)倉庫上海爭峰[N];中國證券報;2004年

10 記者　　周松林;上證所數(shù)據(jù)倉庫二期將完成[N];中國證券報;2005年

相關(guān)博士學(xué)位論文 前10條

1 陳燕;數(shù)據(jù)倉庫的設(shè)計與實現(xiàn)[D];大連理工大學(xué);2000年

2 陳湘濤;數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)在新型鋁電解控制系統(tǒng)中的應(yīng)用研究[D];中南大學(xué);2004年

3 周麗娟;數(shù)據(jù)倉庫中實視圖的選擇與維護(hù)技術(shù)的研究[D];哈爾濱工程大學(xué);2004年

4 李學(xué)鋒;礦山企業(yè)數(shù)據(jù)倉庫的應(yīng)用研究[D];昆明理工大學(xué);2005年

5 孫麗;工藝知識管理及其若干關(guān)鍵技術(shù)研究[D];大連交通大學(xué);2005年

6 李澤海;數(shù)據(jù)倉庫中多維數(shù)據(jù)處理與查詢相關(guān)技術(shù)的研究[D];吉林大學(xué);2005年

7 王文銘;基于數(shù)據(jù)倉庫的礦山企業(yè)信息系統(tǒng)及其應(yīng)用研究[D];東北大學(xué);2000年

8 麥永浩;數(shù)據(jù)倉庫和數(shù)據(jù)挖掘方法研究及其在公安信息建設(shè)中的應(yīng)用[D];華東理工大學(xué);2000年

9 王華秋;并行數(shù)據(jù)挖掘理論研究與應(yīng)用[D];重慶大學(xué);2006年

10 馮玉;數(shù)據(jù)倉庫環(huán)境中近似查詢處理技術(shù)研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2002年

相關(guān)碩士學(xué)位論文 前10條

1 周潔;基于眾包的數(shù)據(jù)倉庫ETL系統(tǒng)研究[D];西安石油大學(xué);2019年

2 張翔;基于Oracle的資本市場數(shù)據(jù)倉庫的設(shè)計與實現(xiàn)[D];上海交通大學(xué);2017年

3 孔德鑫;基于數(shù)據(jù)倉庫及OLAP技術(shù)的生鮮配送決策平臺[D];山東師范大學(xué);2019年

4 朱鵬程;基于機器學(xué)習(xí)的地表覆蓋圖片建庫及自動識別方法研究[D];中國礦業(yè)大學(xué);2019年

5 王騰;基于本體的醫(yī)療數(shù)據(jù)倉庫維度建模研究與應(yīng)用[D];天津工業(yè)大學(xué);2019年

6 梁雨薇;面向企業(yè)管理平臺的數(shù)據(jù)倉庫報表服務(wù)系統(tǒng)[D];北京郵電大學(xué);2019年

7 劉婷;銀行分行開放數(shù)據(jù)平臺的設(shè)計與實現(xiàn)[D];湖南大學(xué);2016年

8 王恒;Feed流用戶行為統(tǒng)計系統(tǒng)的設(shè)計與實現(xiàn)[D];山東大學(xué);2018年

9 李晨陽;基于大數(shù)據(jù)處理技術(shù)的BI平臺設(shè)計與開發(fā)[D];北京交通大學(xué);2018年

10 周鑫偉;數(shù)據(jù)倉庫在銀行網(wǎng)格化CRM系統(tǒng)中的應(yīng)用研究[D];浙江大學(xué);2018年

本文編號：2817214