针对因数据冗余及Hughes现象带来的高光谱数据分类精度降低问题，提出一种基于样本依赖排斥图的非负稀疏嵌入投影降维(NSEPSRG)算法．首先，利用非负稀疏表示方法，得到样本的非负稀疏重构权重矩阵．然后，利用样本的先验类别信息，构建样本依赖排斥图，有助于避免误分类和提高分类精度．最后，为保持每个样本间的稀疏结构关系和各样本的内在流形结构不变，根据非负稀疏重构权重矩阵和样本依赖排斥图的邻接矩阵，将样本嵌入投影到低维子空间，有助于从高维高光谱数据中提取信息量大的光谱波段，从而使得到的分类图像更清晰、平滑． A
