一、传统的分类方法
计算机自动分类通常分为：非监督分类和监督分类两种。
常见的非监督分类方法有：K-均值、ISODATA(迭代自组织数据分析)；
监督分类是在有先验知识的条件下，先选择训练样区、根据已知的像元数据求出参数，确定各类判别函数的形式，然后利用判别函数对未知像元进分类。
常用的监督分类方法有：MLC（最大似然法）、NMC（最小距离法）、光谱角分类法（SAC）。
有时计算机自动分类分为：参数型( Parametric)和非参数型(Nonparametric) 两种。
参数型分类器假设呈现某种概率分布，其方法有MLC；
而非参数型分类器则不对数据分布做任何假设，因而它往往更具鲁棒性，其方法:平行六面体法、最邻近法、ANN、决策树、SVM、专家系统。
二、对传统分类方法的改进
传统的计算机分类方法有六个特点：
1.基于数理统计理论的分类
2.基于影像光谱特征的分类