Benutzer: Gast  Login
Wenn Sie Schwierigkeiten haben, das Dokument zu öffnen, versuchen Sie auch bitte diesen Link
Originaltitel:
Predicting Building Functions by Fusing Social Media and Remote Sensing Data
Übersetzter Titel:
Die Vorhersage von Gebäudefunktionen durch die Fusion von Social Media und Fernerkundungsdaten
Autor:
Hoffmann, Eike Jens
Jahr:
2022
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Betreuer:
Zhu, Xiaoxiang(Prof. Dr. habil.)
Gutachter:
Zhu, Xiaoxiang(Prof. Dr. habil.); Jacobs, Nathan (Prof., Ph.D.); Petzold, Frank (Prof. Dr.)
Sprache:
en
Fachgebiet:
GEO Geowissenschaften
Stichworte:
Building Function Classification, Urban Land Use, Social Media, Remote Sensing
Übersetzte Stichworte:
Gebäudefunktionsklassifizierung, Urbane Landnutzung, Soziale Medien, Fernerkundung
TU-Systematik:
BAU 967; MSR 915
Kurzfassung:
Building function classification is a challenging task as it cannot be directly measured. This thesis presents three novel methods using social media and remote sensing data for predicting building functions on a global scale. The methods build upon state-of-the-art machine learning models that are trained and evaluated on culturally diverse datasets. All resulting models are fused for an improved prediction performance by up to 6.9% on a dataset with human-verified labels.
Übersetzte Kurzfassung:
Die Funktionen von Gebäuden lassen sich nicht direkt messen, sondern erfordern die Interpretation von Daten. In dieser Arbeit werden drei neue Methoden zur Vorhersage von Gebäudefunktionen vorgestellt, die auf Daten aus sozialen Medien und Fernerkundungsdaten beruhen. Die Methoden basieren auf Ansätzen des maschinellen Lernens und wurden auf kulturell diversifizierten Datensätzen entwickelt und getestet. Die Vorhersagen lässt sich durch die Kombination mehrerer Modelle um bis zu 6,9% erhöhen.
WWW:
https://mediatum.ub.tum.de/?id=1655456
Eingereicht am:
26.04.2022
Mündliche Prüfung:
24.10.2022
Dateigröße:
47717744 bytes
Seiten:
188
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20221024-1655456-1-6
Letzte Änderung:
06.12.2022
 BibTeX