基于快速高斯变换，提出并建立了一个多维非参数核密度估计监督学习模型并且评估它的性能，为未知分布试验数据的预测和拟合以及土地利用／覆盖变化监测中多维影像数据的预测和识别提供科学依据．给定M个输人特征向量，对应第j类的容量为Nj的训练样本，直接计算的贝叶斯核密度模型复杂度为O(M x N），而本文提出的核密度模型复杂度接近O(M＋N），实现了一个高效的基于快速高斯变换的多维非参数监督学习模型和计算信息处理系统．结果表明：提出的模型预测识别精度与支持向量机分类基本一致，速度更快适合大规模的数据处理，有效降低了维
