支持向量机是在统计学习理论基础上发展起来的一种通用的学习方法,它以结构风险最小化为归纳原则,克服了传统分类方法以经验风险最小化为归纳原则的不足。但是它计算复杂,内存需求量大,用于大规模数据分类时比较困难,而遥感影像分类数据量一般比较大,为了改善这些不足,本文提出将最小二乘支持向量机及其改进算法——加权最小二乘支持向量机和稀疏最小二乘支持向量机用于多光谱遥感影像分类中,并获得了较好的分类效果。 本文重点论述了最小二乘支持向量机的原理及相关的概念,然后在此基础上通过实验与传统分类方法以及支持向量机方法进行比较分析,证明了其可行性和有效性。同时,本文还对最小二乘支持向量机在多光谱遥感影像分类中的一些特殊问题,如多类分类、训练样本选择、模型参数选择等问题进行了初步研究,得出该方法是一种性能优良的分类方法的结论。