《表2 不同网络结构下的精度分布》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于出行特征的用地类型推断方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用网格搜索方法确定最优网络结构，即网络深度，卷积层卷积核大小，卷积核个数.模型精度评价指标选取MSE，MAPE和R2.网络结构中损失函数采用MSE，并采用Adam优化算法，设置优化算法学习率为0.001，全连接层丢弃率为0.3，卷积核移动步长为1步，激活函数为修正线性单元.得到不同网络结构模型精度如表2所示.由表2可得：随网络结构深度加深，对区域内用地类型推断结果精度越高；网络层数越深，产生过拟合的风险越大，如网络结构“卷积层（4）→卷积层（16）→卷积层（16）→卷积层（8）→全连接层”结构下产生了过拟合现象.同时，比较同一网络结构下卷积核尺寸大小发现，卷积核尺寸越小，模型推测效果越好，表明出行数据集在相邻短时间间隔内出行特征较为类似，时间间隔越长，出行特征波动越大，不利于信息提取.