First adaptive prototype last ensemble learning framework for multimodal small-data object-oriented campus LULC mapping

doi:10.1080/17538947.2026.2728187

First adaptive prototype last ensemble learning framework for multimodal small-data object-oriented campus LULC mapping

2026-09-03

0

OA

AI

DOI：10.1080/17538947.2026.2728187

原文链接

原文求助

摘要

En 中文

据我们所知，将Wi-Fi登录记录、OpenStreetMap（OSM）和遥感影像联合用于面向对象的高校土地利用与土地覆盖（LULC）制图，在多模态小数据条件下尚未有先例报道。本文提出了一种具有粗到精架构的面向对象的高校LULC制图自适应原型最后集成学习（FAPLEL）框架，适用于多模态小数据。针对土地覆盖（LC）制图，我们提出了一种基于轻量级基础模型的自适应原型零样本学习（APZL）方法。该方法提供无标签和无训练推理、子原型的数量自适应调整，并提供类似知识图谱的可解释性。针对土地利用（LU）制图，我们提出了一种时空聚类集成学习（SCEL）方法。该方法仅需每个聚类一个标签，在小数据条件下实现近全自动化和高精度。校园案例研究表明，APZL在粗粒度LC制图中达到0.796的mIoU精度。随后，采用K-means结合随机森林的精细LU制图过程，在各种监督和非监督分类方法中达到0.813的最高总体精度。结果表明，所提出的基于多模态数据驱动的FAPLEL范式有潜力扩展到城市LULC制图。

Keyword:

LULC

multimodal small-data

Wi-Fi

first adaptive prototype last ensemble learning (FAPLEL)

lightweight foundation model

First adaptive prototype last ensemble learning framework for multimodal small-data object-oriented campus LULC mapping

摘要

期刊

机构