随着人工智能技术的蓬勃发展,人们对于新型“智慧城市”的出现越发期待,而构建新型“智慧城市”的关键在于对不同城市区域的智能识别。城市的日常运转过程中通常伴随着海量来自移动终端、监控设备、卫星、记录仪等处的数据产生。这些数据构成了对不同区域功能模式的间接表述,而挖掘此类数据能够实现对不同城市区域的分类。机器学习中,通常称数据的客观存在形式为其模态。在城市区域分类问题中,单模态学习常存在信息单一、类间偏重较大、分类精度有限等不足;而多模态学习又存在研究方法不统一、多模态融合效率低等不足。针对上述问题,本文选择遥感图像与用户访问记录两种模态的数据,由单模态分类的研究入手,继而提出基于深度学习的跨模态分类框架。针对遥感图像这一数据模态,本文首先以迁移学习的方式检测了 VGG16、ResNet、GoogleNet、DenseNet等经典卷积神经网络的分类性能。然后,根据遥感图像空间信息缺失等特点,分别引入基于通道的注意力机制与基于空间的注意力机制来提高网络的特征学习能力。实验证明,在3种不同分辨率的数据集上,引入注意力机制后的卷积神经网络的分类精度明显提高,且图像分辨率越低,提升效果越明显。在低分辨率URFCImage-9数据集上,SE-ResNext网络的总体准确率相比于DenseNet可提升4.35%。针对用户访问记录这一数据模态,本文从深度学习的角度出发,设计了 2种能够使卷积神经网络实现特征自学习的数据重构方法。首先,根据用户访问的所在时段、所在周、所在日将原始数据重构为访问频度立方。然后,针对二维卷积神经网络无法学习通道特征的特点,将频度立方基于时序展开,并设计与之对应的非对称卷积神经网络Asy-CNN模型。实验证明,本文所提出的“数据重构+卷积神经网络”的方法不仅能够实现数据特征的自主学习,相比于机器学习方法,在分类准确率上仍提高0.52%。在单模态学习基础上,本文提出了基于深度学习的跨模态分类框架。首先,本文基于特征融合思想提出了双通道卷积神经网络DC-CNN模型,DC-CNN模型的两通道分别实现对遥感图像及访问记录的特征提取。然后,本文对比了特征融合与决策融合两种方式的分类提升效果。最后,本文以Stacking法实现各模态模型的混合融合。实验证明,DC-CNN的分类精度相比于单模态模型得到显著提升,从而证明了在城市区域分类问题上,多模态融合方法的有效性。相比于决策融合,本文所提出的基于特征融合的DC-CNN模型的分类精度提升1.87%。最终,通过混合融合可达到的分类精度为80.42%。