来源: Geocarto International, 2025

作者: Guoqing Chen & Haizhong Qian

单位: 中国郑州信息工程大学地理空间信息研究所

一、论文主要工作及贡献

这篇论文提出了一种新的建筑聚类方法，该方法将图形注意力网络（GAT）和光谱聚类分为两个步骤。 首先，进行了监督的图形分类。 在道路网络的限制下，道路网络包围的区域内的建筑物被构造为多个图形结构。 引入了GAT来学习制图经验，从而完成了图形分类任务。 其次，通过构造新的图形结构来更科学地检测建筑物的空间接近度，使用光谱聚类构建聚集。
提出的图形构造方法更科学地检测建筑物的邻居。
通过引入注意机制提高模型的多功能性。
这篇论文提出的方法更适合于建筑聚类。

二、模型框架

2.1. Graph dataset construction

2.2. Individual building feature extraction

2.3. Graph attention network architecture

2.4. Building clustering method based on spectral clustering

三、实验结果

四、总结与思考

（一）、论文的核心内容:

    1.这篇文章提出的建筑物聚类方法包括基于监督学习的图形分类和无监督的基于学习的光谱聚类。 在道路网络的限制下，基于标签信息，GAT模型可以预测给定子区域中的簇数。 与基于密度的聚类算法相比，提出的方法更准确地确定了在概括到目标尺度后应保留的建筑物数量，从而提高了模型的多功能性。   

（二）、综合对齐思考:

1.这篇论文主要是针对建筑物进行聚类的，且在训练GAT分类器时需要使用带有标签的数据，对数据集的质量要求很高，泛化性较差。