针对近红外光谱高维、 高冗余、 非线性和小样本等特点导致光谱相似性度量时出现的“维度灾难”, 提出一种基于核映射和rank-order距离的局部保持投影(KRLPP)算法。 首先将光谱数据经过核变换映射到更高维空间, 有效保证了流形结构的非线性特征。 然后改进局部保持投影(LPP)算法对数据进行降维操作, 将rank-order距离替代传统的欧氏距离或测地线距离, 通过共享邻近点的信息, 得到更加准确的局部邻域关系。 最后在低维空间通过距离的计算实现光谱的度量。 该方法不仅有效解决了高维空间存在的“距离失效”问题, 同时还提高了相似性度量结果的精度。 为了验证KRLPP算法的有效性, 首先根据降维前后数据集信息残差的变化确定了最佳参数近邻点的个数k和降维后的维数d。 其次, 从光谱降维投影效果和模型分类效果两个角度与PCA, LPP和INLPP算法进行了对比, 结果表明KRLPP算法对于烟叶的部位有较好的区分能力, 降维效果以及对于不同部位的正确识别率明显优于PCA, LPP和INLPP。 最后, 从某品牌卷烟叶组配方中选取了5个代表性烟叶作为目标烟叶, 分别采用PCA, LPP和KRLPP方法从300个用于配方维护的烟叶样品中为每个目标烟叶寻找相似烟叶, 并从化学成分和感官评价两方面对替换前后的烟叶及叶组配方进行了评价分析。 其中LPP和KRLPP用于降维的参数选择保持一致, PCA选择前6个主成分。 结果表明, 由KRLPP选出的替换烟叶与替换配方在总糖、 还原糖、 总烟碱、 总氮等化学成分以及香气、 烟气、 口感等感官指标上较PCA、 LPP方法差异最小, 相似性度量准确度最高。 该方法可应用于配方产品替换原料的查找, 辅助企业实现产品质量的维护。

空中目标在相对稳定的状态下具有确定的光谱辐射特性，因而可以利用光谱达到识别其型号的目的。首先，通过建立空中目标光谱辐射特性计算模型，获得了其归一化光谱辐射亮度数据。然后，利用连续投影算法对光谱进行特征波长提取，在保留一定精度的同时有效减少了所需数据量。最后，使用区分能力更强的混合光谱相似性测度SID (TAN)匹配光谱，研究在3~5 μm波段和8~14 μm波段两个大气窗口内，光谱辐射特性在不同飞行高度和飞行时间下的变化规律。结果表明：飞行高度对光谱辐射特性的影响大于飞行时间；3~5 μm波段的变化较8~14 μm波段明显。因此在建立光谱数据库时，为了提高识别的准确率，相对于8~14 μm波段，3~5 μm波段更需要考虑不同因素对光谱辐射特性的影响；相对于飞行时间，应尽可能多地选取不同飞行高度下的光谱作为参考光谱。