高光谱数据降维：非负稀疏嵌入投影算法

"高阳、王雪松、程玉虎、黄飞等人在2012年11月的《中国矿业大学学报》第41卷第6期发表了一篇名为'基于非负稀疏嵌入投影的高光谱数据降维方法'的论文。该研究针对高光谱数据由于数据冗余和Hughes现象导致的分类精度下降问题，提出了一种新的降维算法——基于样本依赖排斥图的非负稀疏嵌入投影降维（NSEPSRG）。" 这篇论文中，研究人员首先介绍了高光谱数据面临的挑战，即数据冗余和Hughes现象。Hughes现象是指随着数据维度的增加，分类或分析的难度急剧上升，这在高光谱数据中尤为明显，因为它包含大量冗余信息，可能降低分类的准确性。 为了解决这些问题，他们提出了NSEPSRG算法。该算法的核心在于非负稀疏表示，它能够获取样本的非负稀疏重构权重矩阵，这有助于保留样本的关键信息。接着，利用样本的预知类别信息构建样本依赖排斥图，这种图结构有助于防止错误分类，提升分类精度。排斥图的构建考虑了样本间的相互关系，避免了相似样本被错误划分的情况。 在降维过程中，为了保持样本间的稀疏结构关系和内在流形结构，论文中的方法是依据非负稀疏重构权重矩阵和样本依赖排斥图的邻接矩阵，将高维样本投影到一个低维子空间。这样做不仅简化了数据，还能够提取出高光谱数据中具有最大信息量的光谱波段，从而改善分类图像的清晰度和平滑度。 实验部分，研究者使用支持向量机（SVM）对经过NSEPSRG降维处理的AVIRIS高光谱数据进行分类，结果显示，整体分类精度达到87.87%，Kappa系数为0.8566，证明了该方法的有效性。 关键词涉及到高光谱数据、降维、非负稀疏表示和样本依赖排斥图，这些是理解论文主要内容的关键点。文章分类号和文献标识码分别对应科学分类和文章性质，文章编号则用于文献引用。 这篇论文提出了一种创新的高光谱数据降维方法，通过非负稀疏表示和样本依赖排斥图，有效地解决了数据冗余和分类精度的问题，为高光谱数据处理提供了新的思路。