文献翻译：基于图的光谱相似度判别分析在高光谱图像降维中的应用

题目：Dimensionality Reduction of HyperspectraI Image with Graph-Based Discriminant Analysis Considering Spectral Similarity

作者：ＦengF，LｉＷ，ＤuＱ，ＺhangＢ

时间：Remote Sensing 2017.9 SCI

算法流程图：

本征图可视化：

在信噪比越小的数据中，参数λ的值会越大。这是因为信噪比越小，说明数据中有很多噪声可以影响闭值的选择，因此，需要一个调节参数来帮助选择阂值。一般情况下，信噪比越低，则需要更大的调节参数来调整，这样才能使能容忍的误差达到应用的要求。对于参数γ，它的作用是调节本征图的稀疏度。对比图3-5中的(a)(c),虽然这两个本征图具有相同的γ值，但是明显能看出来，(c)表现的更加稀疏。综上分析，两个参数λ和γ在构图过程中都起到了不可替代的作用。

1）Salians数据集测试结果：

及参数微调结果：

各算法在不同维数的结果：

2）Pavia数据集测试结果：

参数微调结果：

各算法在不同维数的结果：

标准化McNemar测试说明GDA-SS算法在分类精度上的提升对于其他算法是否有意义

算法鲁棒性测试：

1)不同距离相似度度量的图结构分类评估

2)应用噪声滤波后结果分析