本书围绕“如何对大规模高光谱遥感图像数据进行快速谱聚类”这一关键问题，对基于高光谱图像的谱聚类相关理论和关键技术进行了深入研究。全书共6章，介绍了国内外高光谱图像谱聚类分析的研究现状，总结了高光谱图像谱聚类算法的基础概念和常见算法，提出了基于特征处理的谱聚类预处理方法以及新的单层和多层锚点图快速谱聚类算法。本研究取得的理论、算法与思路不仅能为大规模高光谱图像的快速谱聚类提供参考，也能为相关军民应用提供关键技术支持。 本书可以作为信息与通信工程、计算机科学与技术等相关专业研究生的辅助教材，也可以作为教师和科研人员的参考资料，还可以作为机器学习、图像处理、谱聚类分析理论与实践的自学者和研发人员的参考书。

第1章 绪论
1.1 高光谱图像快速谱聚类研究的背景与意义
1.2 聚类算法的研究现状
1.2.1 聚类算法的研究现状
1.2.2 谱聚类算法的研究现状
1.2.3 高光谱聚类算法的研究现状
1.3 实验数据来源
第2章 常用谱聚类算法
2.1 谱聚类算法的基础概念
2.1.1 无向加权图
2.1.2 邻接矩阵
2.1.3 拉普拉斯矩阵
2.1.4 图划分准则
2.2 谱聚类算法
2.2.1 NJW算法
2.2.2 SSC算法
2.2.3 SCC算法
2.2.4 谱聚类算法的流程
2.3 评价指标
第3章 基于特征处理的谱聚类预处理方法
3.1 基于贪婪比值和降维的聚类算法
3.1.1 贪婪比值和降维模型
3.1.2 基于贪婪比值和降维的聚类算法描述
3.1.3 实验结果与分析
3.2 空谱信息融合策略
3.2.1 基于相似度分析的空谱信息融合
3.2.2 基于上下文分析的空谱信息融合
3.2.3 实验结果与分析
3.3 基于上下文分析的无核谱聚类算法
3.3.1 构建无核相似图
3.3.2 KFCA算法描述
3.3.3 实验结果与分析
第4章 基于优质单层锚点图的快速谱聚类算法
4.1 FSAQ算法描述
4.1.1 构建锚点图
4.1.2 K-means选点
4.1.3 基于锚点图的谱聚类
4.1.4 算法流程
4.1.5 时间复杂度分析
4.2 实验结果与分析
4.2.1 锚点实验分析
4.2.2 算法的参数分析
4.2.3 聚类结果分析
第5章 基于高效多层锚点图的快速谱聚类算法
5.1 FEMA算法的描述
5.1.1 超像素主成分分析算法
5.1.2 多层锚点图
5.1.3 二叉树算法
5.1.4 算法流程
5.1.5 时间复杂度分析
5.2 实验结果与分析
5.2.1 算法参数分析
5.2.2 小型数据集的实验结果与分析
5.2.3 中型数据集的实验结果与分析
5.2.4 大型数据集的实验结果与分析
第6章 总结与展望
6.1 主要工作和成果
6.2 工作展望
参考文献