建筑群组模式由具有一定分布规律的建筑物组成,对其进行准确的分类和高效的检索是地理空间矢量数据库更新和维护的重要科学问题之一,对于分析城市结构、识别城市功能区域具有重要的意义。建筑群组模式分类与检索需结合建筑物几何特征、语义特征、拓扑关系和方向关系等描述深入挖掘建筑群组的模式特征,进而实现精准、高效的建筑群组模式相似性检索。目前建筑群组模式相似的研究主要通过频谱技术将建筑群组图结构转到频域进行相似度,这个过程可能会损失一定的空间信息。针对该问题,本文结合图卷积神经网络与图傅里叶变换以及图嵌入等理论设计了一种建筑群组模式分类与相似性检索模型。首先构建图卷积神经网络模型解决样本数据平衡与不平衡两种情况下的建筑群组模式分类问题。其次,在准确分类的基础上,利用训练好的分类器提取建筑群组的模式特征,最后结合图傅里叶变换和图嵌入构建建筑群组模式相似性计算模型,用于建筑群组模式的相似性检索问题。主要研究工作如下:（1）选择尺寸、方向、形状、密度等变量作为建筑物几何指标作为图节点特征嵌入图结构中以供后续计算。在此基础上利用Delaunay三角网、MST等方法构建建筑群组的图结构,并将上述指标嵌入图节点中作为节点特征进行后续计算。（2）在样本数据平衡情况下讨论了模型梯度消失的问题,并利用残差模块缓解了样本数据平衡情况下模型的梯度消失。同时介绍了在样本数量不平衡情况下的数据增强算法,以及具体的超参数调整过程。（3）结合图卷积神经网络实现建筑群组模式的准确分类,在此基础上,介绍了以图傅里叶变换和图嵌入为基础的建筑群组模式相似性计算模型,最终设计并实现了建筑群组模式相似性检索系统来实现建筑群组模式相似检索结果的可视化。论文以建筑群组模式识别和相似性检索为目标,构建了“建筑群组分类-相似检索”依次进行的建筑群组模式分析模型,研究结果有助于建筑物数据利用率的提高,并有助于地理空间矢量数据库的管理、分析和知识建模等领域的进一步完善和发展。