光谱空间特征提取对高光谱图像（HSI）分类非常重要。 与传统的特征提取方法不同，诸如卷积神经网络（CNN）之类的深度学习模型可以自动学习光谱空间判别特征。 但是，深度学习模型通常需要构建一个庞大而复杂的网络，并且培训非常耗时。 为了解决这些问题，本文提出了一种谱空间特定的卷积深度极限学习机（ELM），称为S2CDELM，用于HSI分类。 首先，利用局部感受域（LRF）的概念，构造了具有两个分支的光谱空间卷积学习模块，分别用于光谱和空间特征提取。 具体地，通过使用随机卷积节点但不反向传播来构造卷积