滨海湿地的复杂性为准确获取湿地地物类别带来了挑战，不加区分地利用从湿地数据提取的特征参数会导致计算效率低、信息冗余的问题，以合适的特征选择方法选取特征子集是提升湿地分类精度的关键。针对此问题提出了基于组合优选特征的分类方法，将顺序后向选择法和粒子群优化法分别与可分性指数结合筛选优化特征子集，并利用支持向量机对湿地ALOS-2全极化SAR影像进行分类实验，比较2种搜索策略驱动下特征选择方法获取的优选特征的湿地分类精度。结果表明：组合优选特征方法适用于极化SAR数据滨海湿地分类，基于优选特征子集的湿地分类除提升运行速度外，提高了3%～6%的总体分类精度；相比顺序后向选择法，以粒子群优化算法为搜索算法筛选出的特征子集在湿地分类上具有更好的表现，其分类总体精度达到95.20%

Kappa系数达到0.944 8。