题目：高光谱图像降维与分类算法研究

高光谱遥感技术是近年来发展起来的多维信息获取技术，它能够同时探测目标的二维几何空间与一维光谱信息，从而获取分辨率高达数量级的连续、窄波段的图像数据。高光谱图像涵盖丰富的地物空间光谱信息，目前已成为非常重要的空间信息来源，在军事、地质勘探、水质监测、农业微量元素分析等诸多领域扮演重要角色。但是，高光谱图像数据量大、波段众多，数据维数较高，常规的图像处理方法很难达到理想的效果，使得在实际应用过程中增加了高光谱图像处理的难度，限制了该技术的发展。因此，降维技术和分类技术成为高光谱图像处理的研究热点，国内外很多专家学者都对此进行了广泛的研究。本文分别从降维技术和分类技术两方面进行算法改进，成果如下：

在降维技术方面，本文提出使用基于邻近和密度方法改进的Kmenas算法，该算法避免了Kmeans算法对初值敏感的缺点，使得算法性能更加稳定，同时充分考虑了样本地物分布的状况，以此构建的权重矩阵更加精确的反映了不同类别地物对图像的贡献。将其引入到仿射变换模型之中，构建基于近邻和密度改进的加权仿射变换算法。经过实验验证，与同类算法相比，改进后的算法不仅对原始信息保存量更大，而且处理后的数据信噪比更高，算法性能更优。

在分类技术方面，本文利用ReliefF算法构建权重矩阵，同时利用SVDD算法引入球形邻近域的概念，将样本点集中在球形域中，避免了在算法应用过程中的信息损耗，同时结合核函数的优良特性重新定义样本点之间的距离以代替欧式距离，避免了空间信息对距离的影响，基于以上考虑对模糊C均值算法进行改进，提出基于ReliefF-SVDD算法改进的加权FCM变换算法。经过实验验证，与同类算法相比，本文提出的算法分类精度更高，分类性能更优。