为了获得极化合成Kong径雷达（PolSAR）图像的良好分类性能，需要许多标记的样本进行训练。 然而，在实践中获得标记的样品是困难，昂贵和费时的。 另一方面，未标记的样品比标记的样品便宜得多，数量也很多。 为了解决这个问题，提出了半监督学习技术。 本文提出了一种基于改进的协同训练过程的半监督算法，用于PolSAR图像分类。 首先，我们提出了一种间接分析策略，以分析两种不同观点的共同训练的充分性和独立性。 然后，提出了一种采用新的样本选择策略的改进的协同训练过程，该方法可以有效地利用未标记的样本来