本文提出了一种基于3D-Spectral-Spatial Mamba框架的新方法用于高光谱影像分类，实验结果表明其优于现有技术。研究中还介绍了SS-Mamba、DualMamba和GMSR-Net等创新模型，这些模型在高光谱图像分类中表现出色，提升了分类准确性和计算效率，为该领域研究开辟了新方向，具有重要的实际应用价值。

本研究介绍了Graph-Mamba，通过结合Mamba块和节点选择机制，提升了图网络的长程上下文建模能力，显著提高了预测性能。实验结果表明，Graph-Mamba在长程图预测任务中优于现有方法，且计算成本较低。此外，研究探讨了Mamba在视频理解和骨架动作识别中的应用，提出了高效的GCN基线模型，展示了其在多个任务中的优越性能。