在全球城市化和环境压力加剧的背景下,对城市街道绿化泛类结构(urban street greening general structure,USGGS)的量化是加强城市区域碳汇、缓解城市热岛效应以应对全球气候变化的重要前提。通过量化与分析不同城市的USGGS,探究其与城...在全球城市化和环境压力加剧的背景下,对城市街道绿化泛类结构(urban street greening general structure,USGGS)的量化是加强城市区域碳汇、缓解城市热岛效应以应对全球气候变化的重要前提。通过量化与分析不同城市的USGGS,探究其与城市建成环境之间的关系。使用改进的DeepLabV3+神经网络模型,对天津、杭州、深圳的城市全景街景图像进行语义分割,并结合细粒度数据量化USGGS,使用Robust回归模型分析USGGS与城市功能属性POI的关系。研究显示,天津的USGGS主要由单乔木和乔-灌结构组成,与商业属性和生活属性的POI紧密相关;而杭州和深圳则展现出包括草本植物在内的多样化USGGS与休闲文化设施的POI更强的关联性。通过对3个城市USGGS的量化、分析与比较,为城市绿色基础设施规划和管理奠定了一定的数据基础,同时基于城市街景图像对USGGS的分析也为城市碳汇计算与城市热环境研究提供了新的视角。展开更多
随着数据获取方式的多样化发展,针对多视图领域的算法研究变得越来越重要,但大多数方法仅通过自表示属性或局部结构获取样本间的相似性关系,在此过程中忽略了整体样本的聚类结构和原始空间的噪声的影响,使得聚类结果存在较大误差。为解...随着数据获取方式的多样化发展,针对多视图领域的算法研究变得越来越重要,但大多数方法仅通过自表示属性或局部结构获取样本间的相似性关系,在此过程中忽略了整体样本的聚类结构和原始空间的噪声的影响,使得聚类结果存在较大误差。为解决此问题,提出了一种基于聚类结构和局部相似性的多视图隐空间聚类方法(multi-view latent subspace clustering with cluster structure and local similarity,MLC2L),通过隐表示融合不同视图上的共享信息并抑制噪声的存在。此外,通过探索隐空间内样本间的局部相似性关系和整体的聚类结构促进样本达到同类聚合、异类远离的目的;最后引入一个交替方向迭代优化算法来快速求解目标函数。实验结果显示,在六个真实数据集的实验中,MLC2L在MSRC-v1、UCI以及100Leaves上的五个评价指标均为最优,在3Sources、WebKB和Prokaryotic等数据集上的五个指标有四个最优,大量的实验分析也证明了融合局部结构和整体聚类结构的MLC2L在多视图聚类任务上的有效性。展开更多
文摘在全球城市化和环境压力加剧的背景下,对城市街道绿化泛类结构(urban street greening general structure,USGGS)的量化是加强城市区域碳汇、缓解城市热岛效应以应对全球气候变化的重要前提。通过量化与分析不同城市的USGGS,探究其与城市建成环境之间的关系。使用改进的DeepLabV3+神经网络模型,对天津、杭州、深圳的城市全景街景图像进行语义分割,并结合细粒度数据量化USGGS,使用Robust回归模型分析USGGS与城市功能属性POI的关系。研究显示,天津的USGGS主要由单乔木和乔-灌结构组成,与商业属性和生活属性的POI紧密相关;而杭州和深圳则展现出包括草本植物在内的多样化USGGS与休闲文化设施的POI更强的关联性。通过对3个城市USGGS的量化、分析与比较,为城市绿色基础设施规划和管理奠定了一定的数据基础,同时基于城市街景图像对USGGS的分析也为城市碳汇计算与城市热环境研究提供了新的视角。
文摘随着数据获取方式的多样化发展,针对多视图领域的算法研究变得越来越重要,但大多数方法仅通过自表示属性或局部结构获取样本间的相似性关系,在此过程中忽略了整体样本的聚类结构和原始空间的噪声的影响,使得聚类结果存在较大误差。为解决此问题,提出了一种基于聚类结构和局部相似性的多视图隐空间聚类方法(multi-view latent subspace clustering with cluster structure and local similarity,MLC2L),通过隐表示融合不同视图上的共享信息并抑制噪声的存在。此外,通过探索隐空间内样本间的局部相似性关系和整体的聚类结构促进样本达到同类聚合、异类远离的目的;最后引入一个交替方向迭代优化算法来快速求解目标函数。实验结果显示,在六个真实数据集的实验中,MLC2L在MSRC-v1、UCI以及100Leaves上的五个评价指标均为最优,在3Sources、WebKB和Prokaryotic等数据集上的五个指标有四个最优,大量的实验分析也证明了融合局部结构和整体聚类结构的MLC2L在多视图聚类任务上的有效性。