局部几何结构 Fisher 分析（LGSFA）

在本文中，我们分析了MFA算法 https://blog.csdn.net/Mr_zhang66/article/details/111309197

根据 MFA 算法的过程， 在构图时只考虑了数据的邻域结构，对于存在大量同质区域的高光谱图像来说， MFA 不能有效地表征数据的内在流形。为改善 MFA算法在高光谱图像特征提取中的效果，提出一种新的流形学习方法，称为局部几何结构 Fisher 分析(LGSFA)。

流程图：

与MFA算法相比，多了这一部分

具体步骤：

式(3.10)的求解方式与 LLE 算法求重构权值的过程相同。

权值不同于MFA算法：

LGSFA 算法的构图过程：

在构建类内图时，对于数据点 x1，不仅考虑了它的邻域点(如 x2)， 而且考虑了各邻域点的类内重构点(如 x2的类内邻域重构点 x3)， 即在 x1 与其邻域点 x2 之间构建一边，也在 x1 与 x2 的类内邻域重构点 x3之间连一条边，边权值都根据式(3.11)进行设置。

在构建类间图时，考虑了各数据点(如 x4)与其非同类邻域(如 x5)和各邻域点的类内重构点(如 x5 的类内邻域重构点x6)之间的关系，即连接 x4 与其邻域 x5，同时也连接 x4 与 x5 的类内重构点 x6，边权值都由式(3.12)进行设置。

根据类内图，在低维空间中不改变类内图的相似关系，使同类数据尽可能聚集在一起， 进而减小同类数据间的差异，目标函数可表示为：