本文主要研究基于图的监督和半监督的数据特征组合方法,提出了基于图的监督特征组合方法的框架(GF).并且将Fisher判别分析(FDA)、主成分分析(PCA)、局部保持投影(LPP)、判别局部保持投影(DLPP)、间隔Fisher分析(MFA)和极大间隔准则(MMC)归结到这个框架下,通过选取不同的权矩阵相应的得到GFDA, GPCA, GLPP, GDLPPP, GMFA和GMMC.但是所提出的框架通常会遇到矩阵的奇异性问题,为了解决这个问题提出了正则化的GF(RGF),基于零空间的GF(NGF),基于奇异值分解的GF(GF/SVD),基于广义奇异值分解的GF(GF/GSVD)和基于伪逆的GF(PIGF).　　在GF基础上提出了基于图的半监督特征组合方法的框架(SGF),并且推广到加核情况下,得到相应的核SGF(KSGF)算法.　　为了检验所提出的五种特征组合方法的有效性,通过一系列的遥感数据实验进行了测试.从得出的数据结果上,说明新的特征组合方法的有效性.特别的, GFDA优于其它四种基于图的监督特征组合方法, KSGF明显优于SGF。