针对高光谱图像维度高、地物间非线性可分造成的分类精度低等问题, 提出一种基于多标签共享子空间和内核脊回归的空谱分类算法.该算法利用内核脊回归将地物相近像素在线性空间的不 可分特征映射到高维空间中, 实现分类特性在高维空间下的有效分离, 以提高地物相近特性的区分精度; 同时将高维样本数据映射到低维共享子空间中, 在低维环境下以多类标为指导, 引入低秩矩 阵建立类别标签与共享空间的预测关系, 挖掘多标签间的共同特性, 提高融合利用多类别间的共同属性提高高光谱图像的分类精度;最后利用奇异值分解迭代法求解目标函数, 一定程度上加速参数 求解.在Indian Pines和Pavia University两组高光谱数据集上进行仿真实验, 实验结果表明, 与其他同类算法相比, 在低样本比例下, 本文算法在总体分类精度、平均分类精度和Kappa系数等评价 指标上至少提高4.76%、4.24%和5.19%, 与非内核化的算法相比, 本文算法在基本不增加运行时间的情况下总体分类精度、平均分类精度和Kappa系数至少提高2.92%、2.8%和3.48%.

为了更加准确地研究薄包层CLPFG（啁啾长周期光纤光栅）的传输与色散特性，仿真分析了单轴晶体光纤的二、三层介质模型所得纤芯模有效折射率的差别以及中心波长的差别，并基于该差别,采用数值分析的方法研究不同包层半径、包层模序对CLPFG色散性能的影响。结果表明，当单轴晶体光纤包层半径与包层模序较小时，两种光纤介质模型的纤芯模有效折射率有较大差别。对于两种介质模型的光纤光栅，降低包层半径或增大包层模序数都有利于增大色散。文章的分析方法和结论为CLPFG的分析和设计提供了理论依据。