• Geographical Research
  • Vol. 39, Issue 2, 243 (2020)
Xingnan LIU1、1、1、1、1、1、1、1、1、1、1、1, Zhifeng WU1、1、1、1、1、1、1、1、1、1、1、1, Renbo LUO1、1、1、1、1、1、1、1、1、1、1、1, and Yanyan WU1、1、1、1、1、1
Author Affiliations
  • 11School of Geographical Sciences, Guangzhou University, Guangzhou 510006, China
  • 11广州大学地理科学学院,广州 510006
  • 12Guangdong Province Engineering Technology Research Center for Geographical Conditions Monitoring and Comprehensive Analysis, Guangzhou 510006, China
  • 12广东省地理国情监测与综合分析工程技术研究中心,广州 510006
  • 13School of Geography and Tourism, Guangdong University of Finance and Economic, Guangzhou 510320, China
  • 13广东财经大学地理与旅游学院,广州 510320
  • show less
    DOI: 10.11821/dlyj020181085 Cite this Article
    Xingnan LIU, Zhifeng WU, Renbo LUO, Yanyan WU. The definition of urban fringe based on multi-source data and deep learning[J]. Geographical Research, 2020, 39(2): 243 Copy Citation Text show less
    研究区域Fig. 1
    Fig. 1. 研究区域Fig. 1
    城市边缘区判定影响因子Fig. 2
    Fig. 2. 城市边缘区判定影响因子Fig. 2
    单个人工神经元模型和激活函数Fig. 3
    Fig. 3. 单个人工神经元模型和激活函数Fig. 3
    深度神经网络模型框架图Fig. 4
    Fig. 4. 深度神经网络模型框架图Fig. 4
    遥感影像及街景照片Fig. 5
    Fig. 5. 遥感影像及街景照片Fig. 5
    模型精度检验Fig. 6
    Fig. 6. 模型精度检验Fig. 6
    广州市城市空间结构与路网分布Fig. 7
    Fig. 7. 广州市城市空间结构与路网分布Fig. 7
    广州市城市核心区空间分布Fig. 8
    Fig. 8. 广州市城市核心区空间分布Fig. 8
    Xingnan LIU, Zhifeng WU, Renbo LUO, Yanyan WU. The definition of urban fringe based on multi-source data and deep learning[J]. Geographical Research, 2020, 39(2): 243
    Download Citation