《高光谱遥感数据降维与分类》不仅考虑对光谱特征进行降维,更进一步考虑对空间特征进行降维。《高光谱遥感数据降维与分类》主要的内容包括:综述了高光谱遥感图像分类的流程,对每个流程的具体内容和其中的典型模型进行简述和回顾。综述了一些常见的高维数据降维算法,并从线性降维和非线性降维、有监督降维和无监督降维的角度对典型的降维算法进行了简述和回顾。分别基于高光谱数据的谱间相关性和空间相关性对地物进行分类,将典型的线性和非线性降维算法应用于高光谱图像分类,并对这些常用的降维算法在高光谱图像分类问题上进行了分析和对比。实验部分选取3个高光谱图像样本集,采用两种降维方式,即直接将所有数据降维、采用样本外点的计算和估计函数的降维,选择了13个降维算法,分类算法选择的是k最近邻算法,主要以总体分类精度为评价标准,完成参数k与总体分类精度的对比曲线图和维度与总体分类精度的对比曲线图,统计每个降维算法对测试样本进行降维、分类所需的时间,绘制测试样本的真实地物分割图,对比降维算法的效果,得出13个降维算法的特点。介绍近期提出的两个新的有监督降维算法,并应用于高光谱遥感图像分类任务中,在7个高光谱遥感图像分类数据集上的实验显示,这两个新提出的降维模型非常适宜于高光谱遥感图像降维任务,在实验中显示出了的性能。最后对内容进行总结,进一步展望今后的研究计划。