Resumen

El paisaje urbano moderno es un ecosistema simple, de gran importancia para el desarrollo sostenible de la ciudad. Este estudio propone un modelo de extracción de información del paisaje basado en la red neuronal convolucional profunda, estudia el método de clasificación de la red neuronal convolucional del paisaje multiescala, construye un modelo de extracción de información del paisaje basado en la CNN multiescala y, finalmente, analiza el efecto cuantitativo de la red neuronal convolucional profunda. Los resultados muestran que el coeficiente kappa global es de 0,91 y la precisión de la clasificación es de 93 y calculando la matriz de confusión, la precisión de la producción y la precisión del usuario. El método propuesto en este estudio puede identificar más del 90% de los objetivos de agua, la precisión del usuario y la precisión de la producción son del 99,78 y 91,94%, respectivamente, y la precisión global es del 93,33%. El método propuesto en este estudio es obviamente mejor que otros métodos, y el coeficiente kappa y la precisión global son los mejores. Este estudio proporciona un cierto valor de referencia para la evaluación cuantitativa de la escala espacial del paisaje urbano moderno.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal convolucional, modelo de extracción de información, paisaje urbano moderno, precisión del usuario, precisión global, precisión de la producción, estudio, cierto valor de referencia, coeficiente kappa global, métodos
• Keywords:convolutional neural network, information extraction model, modern urban landscape, user accuracy, overall accuracy, production accuracy, study, certain reference value, overall kappa coefficient, methods