基于分类提升算法的跨多尺度建筑数据智能增量更新方法

《ISPRS International Journal of Geo-Information》：An Intelligent Incremental Update Method for Building Data Across Multiple Scales Supported by Categorical Boosting

　　

摘要

利用规模更大且更具时效性的数据来逐步更新规模较小的数据，从而保持不同规模数据库之间的一致性，这已成为当前以数据更新为核心的地图制作任务的重点。现有的方法依赖基于规则的约束来提取变化信息并识别需要更新的对象，但在方法的通用性以及结果的限制方面存在明显缺陷。为解决上述问题，我们提出了一种基于分类提升算法（CatBoost）的智能增量更新方法，用于不同规模的建筑数据集。该方法通过三个步骤构建一个通用的建筑增量更新框架：变化信息提取、变化信息分类以及变化信息更新。在中国宁波的不同规模数据集上进行的实验表明，该方法能够有效识别出需要更新的对象，并生成比现有方法更为合理的更新后的小规模数据。