用于地理空间数据分析的深度学习技术
摘要
移动电话、贴有 RFID 标签的物品、定位与位置传感器等消费电子设备持续产生大量富含位置信息的数据，称为地理空间数据。传统上此类地理空间数据用于军事应用。近年来，围绕此类地理空间数据设计并部署了许多有用的民用应用。例如，向到访特定区域的游客推荐餐厅或景点的推荐系统。同时，市政机构正利用遥感设备生成的地理空间数据为市民提供更好的服务，如交通监控、坑洼识别和天气报告。通常此类应用依赖于非层次机器学习技术，如朴素贝叶斯分类器、支持向量机和决策树。深度学习领域的近期进展表明，基于神经网络的技术优于传统技术，并为许多地理空间数据分析任务（如目标识别、图像分类和场景理解）提供了有效解决方案。本章对深度学习技术用于分析地理空间数据的当前应用状态进行了综述。章节组织如下：(i) 深度学习算法简要概述。(ii) 地理空间分析：数据科学视角 (iii) 用于遥感数据分析任务的深度学习技术 (iv) 用于 GPS 数据分析的深度学习技术 (iv) 用于 RFID 数据分析的深度学习技术。
引用
@article{arxiv.2008.13146,
title = {Deep Learning Techniques for Geospatial Data Analysis},
author = {Arvind W. Kiwelekar and Geetanjali S. Mahamunkar and Laxman D. Netak and Valmik B Nikam},
journal= {arXiv preprint arXiv:2008.13146},
year = {2020}
}
备注
This is a pre-print of the following chapter: Arvind W. Kiwelekar, Geetanjali S. Mahamunkar, Laxman D. Netak, Valmik B Nikam, {\em Deep Learning Techniques for Geospatial Data Analysis}, published in {\bf Machine Learning Paradigms}, edited by George A. TsihrintzisLakhmi C. Jain, 2020, publisher Springer, Cham reproduced with permission of publisher Springer, Cham