针对传统主动学习单一策略算法在挑选最有价值未标记样本时出现的抖动和不稳定的现象,引入集成学习(ensemble learning)分类器的加权组合思想,提出一种基于组合策略的联合挑选(ESAL)方法,将模型的组合衍生至策略的组合,从而实现单一模型多策略的融合,获得更高的稳定性。通过对高光谱遥感图像分类结果的分析可以看出,在获得相同精度阈值时,ESAL 算法相对于单一策略算法最高可节省成本 25.4%,抖动频率减少至原来的16.67%,抖动明显改善,体现出ESAL算法良好的稳定性。