消融实验的结果表明：
-
窗口尺寸的影响：通过在不同窗口尺寸（19×19、21×21、23×23和25×25）下测试模型，发现25×25的窗口尺寸最适合所使用数据集，因此后续实验均采用这一窗口尺寸。
-
模型在不同数据集上的表现：在Indian Pines数据集上，HSSNB模型在kappa、平均准确度（AA）和总体准确度（OA）上分别达到了99.80%、99.89%和99.83%，相较于HybridSN模型有小幅度提升。在Pavia University数据集上，HSSNB模型与HybridSN模型表现相当。而在Salinas Scene数据集上，HSSNB模型实现了100%的准确度。
-
模型对训练数据量的鲁棒性：即使在将训练样本减少到10%的情况下，HSSNB模型在Indian Pines数据集上的表现仅略有下降，而在Pavia University和Salinas Scene数据集上的表现与使用30%训练数据时相当，显示出模型对训练数据量的减少具有较好的鲁棒性。
-
模型参数效率：HSSNB模型仅使用了HybridSN模型30%的可训练参数，但在多个数据集上实现了更好的或相当的分类性能，证明了模型在参数效率上的优势。
这些消融实验结果强调了HSSNB模型在参数效率、准确度以及对训练数据量变化的鲁棒性方面的优势。