高光谱遥感在地质应用研究中，光谱分类技术亦很重要。用得较多的方法有最大似然性法（MLC），人工神经元网络法（ANN）和高光谱角度制图法（SAM）。
1.最大似然性法（MLC）
MLC法可谓是经典的分类方法，已在宽波段遥感图像分类中普遍采用。它主要根据相似的光谱性质和属于某类的概率最大的假设来指定每个象元的类别。MLC法最大优点是能快速指定被分类象元到若干类之中的一类中去。但对于高光谱数据。如再加上类别数较多时，MLC法的运算速度则明显减慢，且所需的训练样本亦很大。为了减少计算工作量，Jia＆Richards（1994）发现通过将高光谱数据分成几个波长组能够减少处理时间。他们改进的MLC法称简化最大似然性判别函数（SMLDF）。依据所有波段间的相关性分成若干连续的波段组，由这些不同波段组构成每个类别的协方差阵，再从每个波段组计算出判别函数值，最后求所有波段组产生的函数值的和.对每个象元分类。该法与传统的MLC比较，能显著地减少计算时间，特别是对高光谱数据的处理更为明显，同时能保证几乎与传统MLC结果的精度相同。另外，这种方法所要求的每类训练样本数明显地比传统MLC所要求的少。因此可降低准备训练样本的成本。其基本算法简述如下。
传统的MLC算法的判别函数由下式表示：
中亚地区高光谱遥感地物蚀变信息识别与提取
i=1，2，…C
式中：x为象元光谱向量，mi为第i类均值向量，∑i为第i类N×N的协方差阵，其中N为总光谱波段数，C是类别数。式（4-9）的判别准则一般如下：对于j（j=1，2，…，C；j≠i），假如gi（x）＞gj（x）则
x∈ωi （4-10）
式中：ωi为第i类光谱类别。
如前所述，这种方法已被广泛应用在宽波段遥感中，如对MSS、TM及SPOTHRV数据的MLC分类。随着光谱维（波段数）N的增大（如AVIRIS数据的波段数大于200），有两个难题需要解决：一是由于N的增大相应分类时间成平方增长；二是对于一些小类别，为了保证可靠的估计结果，所需要的训练样本可能不够。Jia ＆ Richards（1994）对光谱数据先分成几个波段组再进行分类的技术（SMLDF）就是针对上述两大难题设计的。高光谱数据相邻波段间的相关性一般都比较高，与相隔较远的波段相关性较低。
2.人工神经元网络技术（ANN）
人工神经元网络（ANN）技术能被用于多源数据的综合分析，特别是处理没有一定分布（如正态）、定性或名义的数据（Yang等，1997；Gong，1996；Sui，1994；Peddle等，1994；和Bendikts-son等，1993）。因此这类技术备受重视，已在遥感图像分类（如Civco，1993；Salu ＆ Tilton，1993；Dreyer，1993；Azimi-Ssdjadi等，1993；Kanellopoulos等，1992；Liu＆Xiao，1991）、自然资源分析与预测（如 Gopal＆Woodcock，1996；Gong等，1994；Guan＆Gert-ner，1991a＆1991b；Yin＆Xu，1991）及特征提取（如Fiset等，1996）中得到应用。神经元网络首先要求一定数量的具有已知样本特征的训练样本，然后用训练好的网络结构对待处理样本（象元）进行分类处理。在高光谱地质遥感中，ANN技术被用来识别矿物和成图（如Yang等，1997；Benediktsson等，1995）。ANN技术的不足之处是在高光谱数据分析中由于波段多（输入模式多），常需要很长的迭代时间，且不易找到全局最佳解。另外，不能事先确定ANN的结构参数值，一般需根据具体数据集的实验确定（Gong等，1997）。
3.光谱角度制图法
光谱角度制图法（SAM，即夹角余弦方法）通过计算一个测试光谱（象元光谱）与一个参考光谱之间的“角度”来确定它们两者之间的相似性。参考光谱可以是实验室光谱或野外测定光谱或是从图像上提取的象元光谱。这种方法假设图像数据已被缩减到“视反射率”，即所有暗辐射和路经辐射偏差已经去除。它被用于处理一个光谱维数等于波段数的光谱空间中的一个向量（Knlse等，1993 a；Baugh等，1998）。下面通过两波段（二维）的一个简单例子来说明参考光谱和测试光谱的关系。它们的位置可考虑是二维空间中的两个光谱点。各个光谱点连到原点可以代表所有不同照度的物质。照度低的象元比起具有相同光谱特征但照度高的象元往往集中在原点附近（暗点）。SAM通过下式确定测试光谱ti与一个参考光谱ri的相似性：
中亚地区高光谱遥感地物蚀变信息识别与提取
式中：nb等于波段数。这种两个光谱之间相似性度量并不受增益因素影响，因为两个向量之间的角度不受向量本身长度的影响。这一点在光谱分类上可以减弱地形对照度的影响（它的影响反映在同一方向直线的不同位置上）。结果，实验室光谱可直接用来与遥感图像视反射率光谱比较而达到光谱分类识别的目的。具体应用SAM方法直接实现光谱匹配分类可参考童庆禧等（1997）在总结Board-man（1990）的SAM方法基础上提出的执行流程。利用高光谱数据，这种技术在地质矿物分类成图中的应用较有潜力。例如，Miyatake＆Lee（1997）应用SAM技术和高光谱数据在美国内华达州的北Cuprite和Goldfield 地区编制的交错矿物图。Yang等（1997）和 Baugh等（1998）也利用此法和AVIRIS图像数据分别在美国内华达州Cuprite矿产区和南Cedar山区编制矿产图，获得成功。
高光谱影像比普通的遥感影像多一维的光谱数据，决定了它有着比普通遥感影像更多针对光谱维的独特处理方法。高光谱的影像空间获得了扩展，数据量剧增，因此可以从高光谱遥感影像中获得更多更有价值的针对性的信息，尤其是在地物微量信息的识别、提取和分类中。
高光谱遥感影像通常使用一个影像立方体（image cube）来表示，每一层都代表光谱中的一个波段，影像的每一个像元都可以用一个光谱向量来表示，这样形成高光谱遥感影像特有的影像空间特征。
（1）影像空间
从搭载不同传感器的各类遥感平台上能获得不同空间分辨率、不同时相的遥感影像，对不同的区域，不同的地物也会产生不同的遥感影像。通常把这种不同空间分辨率、不同时相、不同范围的遥感影像所表达的地理空间称为影像空间，如图1.2（a）所示。
（2）光谱空间
高光谱遥感影像的光谱空间是由各个像元的波段值和灰度值所形成的，每一个像元可以分成很多波段，而每一个波段都对应着一个灰度值（像元反射率），通常把这种由波段表示横坐标，反射率表示纵坐标形成的二维曲线称作光谱空间，如图1.2（b）所示。
（3）特征空间
在一幅高光谱遥感影像中含有M个像元，而每一个像元认作是n个波段描述的n维向量，其包含了该像元全部的光谱信息，在n维空间中表现为一个点信息，一幅高光谱遥感影像就是由M个这样的点所组成的空间称为特征空间，如图1.2（c）所示。
在特征空间中每一个点都是一个像元的光谱向量，表示为
高光谱遥感影像信息提取技术
根据用来表示各个像元的光谱向量的特征，把聚集在一起构成n维空间的若干个点群归为一类，可以划分成一类地物。这样根据点群的位置、分布中心和分布规律来划分不同的点群界限，可以完成不同地物的划分，从而达到对高光谱遥感影像信息提取的目的。
图1.2 高光谱遥感影像的空间特征
首席顾问：王大珩顾问：何怡贞张存浩徐叙瑢陆婉珍刘颂豪陈星旦冼鼎昌朱清时魏复盛林建华李安模杨树森Ramon M. Barnes (USA) J. A. C. Broekaert (Germany)R. Van Grieken (Belgium)Lev A. Gribov (Russia)Peter R. Griffiths (USA)James A. Holcombe (USA)Gary M. Hieftje (USA) B. V. L′vov (Russia)Kay Niemax (Germany) Isao Noda (Japan)Yukihiro Ozaki (Japan) J.P.Reid (UK)R. E. Sturgeon (Canada)社长：孟广政主编：黄本立常务副主编：宋增福副 主 编：聂玉昕高松徐怡庄张新荣李灿田中群江桂斌常俊标孙汉文孙世刚顾仁敖黄矛罗立强常务编委：王小如王彦吉尹明刘会洲孙素琴朱伯荣齐文启闫宏涛汪力陈荣严秀平陈杭亭金钦汉杨小震杨芃原张鹏翔张汉辉张韫宏赵冰姚元根龚旗煌徐广通徐征谢孟峡编委：马万云王海水王建华尤静林邓李才江云宝刘克玲刘颖毕树平刘燕德牟兰任发政李攻科李宏建李萍陈晓波陈金忠陈忠明沈异凡应义斌汪媛卓尚军杨武孟继武郑怀礼金泽祥周群袁洪福胡继明俞书勤姜艳霞张国宝张卓勇张录达倪永年徐可欣晋卫军黄世华莫育俊韩东海蒋治良葛茂发魏琴编辑部主任：黄强责 任 编 辑：孟昭红助 理 编 辑：范辉，朱义祥
从收稿、审稿到确定稿件是否录用，约需3个月左右.不存在加急，有关系可以。
期刊名称:光谱学与光谱分析GUANGPUXUE YU GUANGPU FENXISPECTROSCOPY AND SPECTRAL ANALYSISSPECTROSC SPECT ANALGUANG PU XUE YU GUANG PU FEN XISPECTROSC. SPECTR. ANALKuang P'U Hsueh Yu Kuang P'U Fen HsiSpectroscopy and Spectral Analysis1000-0593GYGFED同行评议:是 本刊收录在： Ei Compendex (2013年) 本刊收录在： Ei Compendex (2015年) 本刊收录在： MEDLINE(2011年) 本刊收录在Web of Science： SCIE(2012版) 本刊收录在Web of Science： SCIE(2013版) 本刊收录在Web of Science： SCIE(2016版) 本刊收录在： 中国科学引文数据库(CSCD)来源期刊(2009-2010)CSCD核心库(C) 本刊收录在： 中国科学引文数据库(CSCD)来源期刊库(2013-2014)CSCD核心库(C) 本刊收录在： 中国科学引文数据库(CSCD)来源期刊核心库(2011-2012) 本刊收录在： 中国科技期刊引证报告(2013年版)《引证报告》2013年版影响因子:0.679 本刊收录在： 中国科技期刊引证报告(2014年版)《引证报告》2014年版影响因子:0.692 本刊收录在： 中国科技期刊引证报告(2015年版)《引证报告》2015年版影响因子：0.657 本刊收录在： 中文核心期刊要目总览(2008年版)排序：物理 - 第14位 本刊收录在： 中文核心期刊要目总览(2011年版)排序：物理类 - 第12位 本刊收录在： 中文核心期刊要目总览(2014年版)排序：物理 - 第 9 位 点击: 查看SCI影响因子(2014)Impact Factor: 0.292, Rank: 8147 主题分类:Earth Sciences: GeochemistryEarth Sciences: GeologyO4：物理: O4：物理Physics: General and Others
没有。《光谱学与光谱分析》是1981年创办的中文学术期刊，月刊，中国光学学会主办，中国科学技术协会主管，投的光谱学与光谱分析期刊会在3个月可以被检索，期刊主要刊登激光光谱测量、红外、拉曼、紫外、可见光谱、发射光谱、吸收光谱、X-射线荧光光谱、激光显微光谱、光谱化学分析、国内外光谱化学分析最新进展、开创性研究论文、学科发展前沿和最新进展、综合评述、研究简报、问题讨论、书刊评述。
期刊名称:光谱学与光谱分析GUANGPUXUE YU GUANGPU FENXISPECTROSCOPY AND SPECTRAL ANALYSISSPECTROSC SPECT ANALGUANG PU XUE YU GUANG PU FEN XISPECTROSC. SPECTR. ANALKuang P'U Hsueh Yu Kuang P'U Fen HsiSpectroscopy and Spectral Analysis1000-0593GYGFED同行评议:是 本刊收录在： Ei Compendex (2013年) 本刊收录在： Ei Compendex (2015年) 本刊收录在： MEDLINE(2011年) 本刊收录在Web of Science： SCIE(2012版) 本刊收录在Web of Science： SCIE(2013版) 本刊收录在Web of Science： SCIE(2016版) 本刊收录在： 中国科学引文数据库(CSCD)来源期刊(2009-2010)CSCD核心库(C) 本刊收录在： 中国科学引文数据库(CSCD)来源期刊库(2013-2014)CSCD核心库(C) 本刊收录在： 中国科学引文数据库(CSCD)来源期刊核心库(2011-2012) 本刊收录在： 中国科技期刊引证报告(2013年版)《引证报告》2013年版影响因子:0.679 本刊收录在： 中国科技期刊引证报告(2014年版)《引证报告》2014年版影响因子:0.692 本刊收录在： 中国科技期刊引证报告(2015年版)《引证报告》2015年版影响因子：0.657 本刊收录在： 中文核心期刊要目总览(2008年版)排序：物理 - 第14位 本刊收录在： 中文核心期刊要目总览(2011年版)排序：物理类 - 第12位 本刊收录在： 中文核心期刊要目总览(2014年版)排序：物理 - 第 9 位 点击: 查看SCI影响因子(2014)Impact Factor: 0.292, Rank: 8147 主题分类:Earth Sciences: GeochemistryEarth Sciences: GeologyO4：物理: O4：物理Physics: General and Others
不好发！它是中国科学界的知名期刊，因此审批是相当严格的！
最常用的期刊分组方法有：学科类别，期刊名称，研究资助基金，研究层次，文献作者，作者单位，中文关键词，发表年度，不分组共9种。
排序有：发表时间，相关度，被引频次，下载频次，共4种。
CNKI知网，是国家知识基础设施的概念，由世界银行于1998年提出。CNKI工程是以实现全社会知识资源传播共享与增值利用为目标的信息化建设项目。由清华大学、清华同方发起，始建于1999年6月。
扩展资料
通过与期刊界、出版界及各内容提供商达成合作，中国知网已经发展成为集期刊杂志、博士论文、硕士论文、会议论文、报纸、工具书、年鉴、专利、标准、国学、海外文献资源为一体的、具有国际领先水平的网络出版平台。中心网站的日更新文献量达5万篇以上。
提供CNKI源数据库、外文类、工业类、农业类、医药卫生类、经济类和教育类多种数据库。
其中综合性数据库为中国期刊全文数据库、中国博士学位论文数据库、中国优秀硕士学位论文全文数据库、中国重要报纸全文数据库和中国重要会议文论全文数据库。每个数据库都提供初级检索、高级检索和专业检索三种检索功能。高级检索功能最常用。
参考资料来源：百度百科-中国知网
一、完全随机设计
又称成组设计，主要有以下两种形式：一是采用完全随机分组的方法将全部同质受试对象随机分配到各个处理组，各组分别接受不同的处理。
二是分别从不同的总体中进行随机抽样，观察同一指标，进行对比研究。在进行此类研究时，一定要注意影响研究指标的主要非处理因素各组应齐同可比。
二、配对设计
在医学科研中，配对设计主要有两种形式：一是异体配对，将受试对象按照条件相同或相近配成对子，采用分层随机化的方法，将每个对子的两个受试对象随机分配到不同的处理组；二是自体配对，同一个受试对象使用两种不同检测方法进行检测或同一个受试对象的不同部位观察同一指标。
三、随机区组设计
随机区组设计又称配伍组设计，通常是将受试对象按性质相同或相近分成若干区组(或称配伍组)，采用分层随机化的方法，将每个区组的各个受试对象随机分配到不同的处理组接受不同的处理。
随机区组设计是配对设计的扩展，因此，同一个受试对象使用多种不同检测方法检测，比较各方法是否存在差异，亦为随机区组设计。
四、重复测量设计
医学实验常有重复测量的记录，即相同指标在不同时间点进行多次测量，这种在给予一种或多种处理后，在多个时间点从同一个受试对象重复获得某指标观察值的设计称为重复测量设计。因此，重复测量设计可以了解实验过程中观察数据随时间变化趋势。
除比较不同时间点的差异外，重复测量设计还可以比较不同处理组间的差异、不同处理组随时间的变化趋势的差异。
光谱分析投稿比光谱学难，因为光谱分析，不光明白光谱学，而且要结合各种光，分析其原理等，直至其如何应用。
可投别家 但做好把退稿原因分析清楚修改后再投 中的机会大。