摘要：高光譜目標表述是高光譜目標檢測中的核心問題。在眾多高光譜目標表述方法中,多示例學習方法(MIL)由于不需要精確的像素級語義標簽等因素,而成為研究高光譜目標表述的一個有效方法。但是,面向高光譜目標表述的多示例學習方法中,存在正包內目標示例遠少于背景示例的示例級數據不均衡問題,導致學習到的目標表述性能不佳。為此,提出一種面向不均衡數據的多示例學習方法,提取每個包中最可能為正的示例組成正示例集,以此為基礎合成新的正樣本,增加正樣本在正包中所占比例,改善高光譜目標表述能力。在真實高光譜數據上驗證所提方法的有效性,結果表明該方法使正包樣本組成更均衡,從而學習到更正確的目標表述,提高目標檢測的性能。