本书介绍了基于改进深度森林的高光谱图像分类模型, 结合高光谱图像的特点, 引入其他算法和改进深度森林算法, 提高了高光谱图像分类性能。针对高光谱图像的像元分类, 传统超限学习机算法因为模型随机性过大和过拟合等问题, 导致分类效果不佳。本书介绍了基于多目标优化的稀疏超限学习机分类算法, 用于对特征提取后的像元进行分类, 实验证明了本书介绍的超限学习机模型的稀疏连接结构具备可行性, 并且有效地提高了稀疏超限学习机在高光谱图像像元分类中的泛化性能。