最近，基于图的半监督分类引起了人们对遥感的极大兴趣，因为它只能利用少量标记的样本和大量未标记的样本来增强各种类型地形的分类精度。 但是，在大多数常规方法中，多个特征（例如，散射成分，纹理，颜色等）被串联在一起，成为一个长向量，用于图形构建和分类。 这不仅忽略了特征的物理属性，而且导致了所谓的维数诅咒，并限制了分类的性能。 在多视图机器学习的启发下，我们提出了一种空间多属性图模型，并对极化合成Kong径雷达（PolSAR）数据的属性进行了排序，以进行地形分类。 它首先基于不同的相似性度量根据特征组
