贝叶斯网络如何与面向工具的要領聯合，提出基于贝叶斯网络结构的工具特征选取要領。
对于进一步引入更多的结构知识具有很好的支撑浸染，对于高分图像分类有必然结果，在顾及到特征之间依赖关系条件下。
提高记忆分类的精度和靠得住性。
将贝叶斯作为分类器，高鑒別率记忆具有的诸多特点既给应用提供了更多的時機和大概。
用以淘汰人工干预，则是项目需要解决的要害性问题，引入到贝叶斯网络中，具有研究价值和科学意义，贝叶斯网络对于基于像素的分类已获得较好的应用， 憑據国家自然科学基金委员会地球科学部2014年8月15日公佈的《关于国家自然科学基金资助项目核准及有关事项的通知》， 分类一直是遥感记忆处理懲罰的重要内容，（罗晓燕2014.9.10） ，面向工具的高鑒別率遥感记忆分类是連年来的研究热点，北京市测绘设计研究院虞欣博士提交的基于贝叶斯网络的面向工具的高鑒別率遥感记忆分类研究项目获得国家自然科学基金资助。
这是北京院連年来所获得的第一个国家自然科学基金资助项目。
并引入概率语义提高分类精度，该项目拟将其推广到面向工具的分类研究中，研究基于贝叶斯网络结构的工具特征选择，对于贝叶斯网络应用方面有较好的基础，与面向工具要領聯合;操作先验概率模子， 该项目标创新之处在于针对特征选区问题，同时也给处理懲罰带来了极大的挑战。
该项目拟将贝叶斯网络用于面向工具的高鑒別率遥感记忆分类，。
将解译的部門履歷和知识转换为概率语义信息。
虞欣致力于贝叶斯网络的应用研究，为高分记忆自动分类提供新理论和新要領。
