基于图模型的半监督机器学习已得到很好的建立。 然而，就时间消耗而言，其计算复杂性仍然很高，尤其是对于大数据而言。 在这封信中，我们针对最近的大型极化合成Kong径雷达（PolSAR）数据提出了一种基于空间锚定图的快速半监督分类算法，该算法称为基于快速空间锚定图（FSAG）的算法。 基于PolSAR图像上的初始超像素分割，可以获得同质区域。 根据多数表决和距离测量，将边界像素重新分配给最相似的超像素。 然后，在局部同质区域内对特征向量进行加权。 利用这些区域构造精制的空间锚定图，并进行半监督分类。 对合成的和真实的PolSAR数据进行的实验结果表明，与最新的基于图的方法相比，所提出的FSAG大大减少了时间消耗，并保持了地形分类的准确性。
