面向电力站分类的地理信息引导式机器学习
机器学习
2025-02-04 v1
摘要
本文提出了一种基于知识引导式机器学习(KGML)的新方法，构建了一个集成框架，集成CNN(卷积神经网络)和ViT(Vision Transformer) along with GIS(地理信息系统)，以提升能源管理领域中电力站分类的性能。通过GIS中的空间掩码(SPM)提取的地理信息知识被注入到CNN和ViT的架构中，形成本文提出的KGML方法。结果表明，该方法在从真实卫星影像中对多类型电力站进行分类时，性能优于仅使用CNN和ViT的基线方案，突出了地理信息引导式方法的关键作用。本工作为当今众多AI系统的主要主题KGML做出了贡献，并对智慧城市和环境计算具有更广泛的影响。
引用
@article{arxiv.2502.01039,
title = {Geoinformatics-Guided Machine Learning for Power Plant Classification},
author = {Blessing Austin-Gabriel and Aparna S. Varde and Hao Liu},
journal= {arXiv preprint arXiv:2502.01039},
year = {2025}
}