近日，计算机科学与技术学院赵东教授团队在人工智能领域国际权威期刊《Expert Systems With Applications》（中科院一区Top期刊）上发表题为“DIGWO_BS: A Hyperspectral Band Selection Optimization Framework for Preserving Spectral Structure”（DIGWO_BS: 一种用于保持光谱结构的高光谱波段选择优化框架）的研究论文。taptap点点官方网站入口为第一完成单位，赵东教授为第一通讯作者、2023级硕士研究生白一弘（第一作者）等。该研究得到吉林省科技发展计划项目等支持。

该研究面向高光谱波段选择问题进行了模型的设计和算法实验。高光谱波段选择（Hyperspectral Band Selection, BS）旨在从数百个高度相关的光谱波段中提取最具代表性的特征，在实现数据降维的同时保留结果的可解释性，为下游任务提供可靠的特征支撑。然而，现有基于进化计算的波段选择方法，往往侧重于优化算法本身的性能提升，而忽视了高光谱数据内在光谱结构与下游任务需求之间的匹配关系，导致其在光谱结构保持与任务适应性之间难以取得有效平衡。

针对上述问题，赵东教授团队提出了一种基于改进灰狼优化算法的高光谱波段选择框架（DIGWO_BS）。与传统方法主要依赖适应度函数驱动搜索不同，该框架从波段编码、特征表示与优化搜索三个层面进行协同设计，在提升分类性能的同时兼顾光谱结构一致性与框架可解释性。

在三个经典高光谱数据集上的实验结果表明，所提出框架在显著减少波段数量的同时，有效提升了分类性能。进一步分析表明，基于所选波段重建的光谱反射率曲线在形状及变化趋势上与原始光谱高度一致，验证了该方法在保留光谱固有结构方面的有效性。结构表明，DIGWO_BS不仅实现了高效的波段压缩，还在有限波段中保留了关键光谱信息，从而提升了结果的可解释性与可靠性。

总之，该研究从高光谱数据结构特性与下游任务需求协同建模的角度出发，为波段选择问题提供了一种高效、稳定且具备结构保持能力的解决方案。相关成果可为高光谱图像分类、目标检测及精细化地物识别等下游任务提供重要特征支撑，同时也为进化计算方法在复杂数据结构建模中的应用提供了有益参考。

                                               初审：刘江 王春蕾 复审：许博文 终审：佟军