视觉单词袋（BOVW）模型中的固定编码样式以及卷积神经网络（CNN）特征表示中的强大空间信息，使得特征向量不太适合场景分类。 为了提取SAR场景分类的可学习无序特征，提出了一种通过反向传播训练的高阶广义无序池网络，以学习局部聚集描述符（VLAD）的高阶向量和局部约束仿射子空间编码。 （LASC），与一阶特征编码样式相比，所提出的网络可以通过外部产品自动学习高阶编码特征。 随后，为了使特征表示更加强大，将其梯度通过奇异值分解（SVD）和元素逐项归一化的矩阵归一化（平方根）引入了所提出的网络中。 最