计算机工程与应用

作者：冯晓凤, 杨易扬, 杨戈平, 巩志国

单位：1.广东工业大学 计算机学院，广州 510006；2.澳门大学 计算机与信息科学系，澳门 999078；

关键词：核心图,大规模,高光谱图像,谱聚类,密度峰值聚类

基金：国家自然科学基金（61603101）；广东省自然科学基金（2021A1515011941）。

大规模高光谱图像(hyperspectral image，HSI)聚类因其像素数量庞大、光谱波段丰富，面临计算复杂度和可扩展性上的重大挑战。为解决这一问题，提出了一种核心图(core graph，CG)构建方法，通过选择一组核心点代表原始高光谱图像的像素，构建核心图以有效捕捉原始高光谱图像数据的全局和局部空间结构，同时显著降低非线性流形学习的复杂性，从而减少内存需求并提升计算效率。该方法具有算法无关性，能够灵活嵌入不同的聚类框架中。结合谱聚类(spectral clustering，SC)和密度峰值聚类(density peak clustering，DPC)，分别提出了核心图驱动的谱聚类算法(core graph-based spectral clustering，CGSC)和核心图驱动的密度峰值聚类算法(core graph-based density peak clustering，CGDPC)。实验结果表明，核心图驱动的聚类算法在多个HSI数据集上展现了卓越的计算效率和聚类性能，适用于大规模高光谱图像的聚类任务。

来源：2026年第6期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第6期