在本文中，我们提出了一种新颖的灵活框架，用于使用基于核规范的2D PCA提取的多视图光谱空间特征进行高光谱图像（HSI）分类。 我们首先使用基于岭回归的多假设（MH）预测方法从HSI生成3D空间特征数组。 然后，我们将基于核范数的2D PCA应用于前特征阵列的多视图切片（具有空间宽度和光谱维度或具有空间高度和光谱维度的图像），从而可以为重建误差切片，并进一步提取空间光谱特征。 最后，将3D空间光谱特征数组用于表示基于径向基函数（RBF）核的极限学习机（ELM）进行分类的HSI。 最后，采用多数表