1.一种对标记有属性的对象进行聚类的方法，包括：获得多个对象的属性；

将所获得的属性汇总为多个语义因子；

将所述对象拆分为多于一个的集群；以及对至少一个所述集群拆分一次或多次，其中，从所述语义因子中独立地选择一个语义因子以在每次对对象拆分期间拆分所述集群。

2.根据权利要求1所述的方法，其中，将所述对象划分为多于一个对象类别，且对每个对象类别单独地执行所述获得、所述汇总和所述拆分的处理。

3.根据权利要求2所述的方法，其中，所述属性被汇总为以下语义因子中的一个或多个：旋转属性，即，对象的平面内旋转；

视点属性，即，对象的平面外旋转；

共同属性，所有所述对象类别共享的属性；

类别特定属性，其特定地用于单个类别或小类别群组；

对象部分位置和遮挡；以及

对象部分存在。

4.根据权利要求1所述的方法，其中，任何一个所述集群的、由用于从所有对象的集合获得集群的拆分次数所界定的深度不大于最大深度。

5.根据权利要求1所述的方法，其中，任何一个所述集群的、由集群中的对象数目所界定的大小不小于最小大小。

6.根据权利要求1所述的方法，其中，每个所述语义因被选择使得所述拆分的处理具有最佳的均一性。

7.根据权利要求1所述的方法，其中，通过以下操作来独立地选择所述语义因子中的每个语义因子：使用所述语义因子中的每个语义因子来获得候选拆分；

计算每个所述候选拆分的评估得分；以及比较所述评估得分以找到：

最大评估得分，以及

用于获得具有所述最大评估得分的候选拆分的对应语义因子。

8.根据权利要求1所述的方法，其中，通过对有向图进行附聚聚类、吸引子传播、谱聚类或归一化分割来实现每次拆分。

9.根据权利要求1所述的方法，其中通过对有向图进行附聚聚类来实现每次拆分处理，其中所述有向图使用K最近邻构造，在有向图中，每个对象是节点，来自第m节点的有向边缘用于测量第m样本与第n样本之间的相似性；且所述集群的接近性量度经由所述有向图上的入度和出度定义。

10.一种特征学习方法，包括：

将标记有属性的对象划分为一个或多个对象类别以获得每个所述对象的对象类别标记；

根据权利要求1所述的方法将每个所述对象类别中的对象独立地聚类为不同集群以获得每个所述对象的对象集群标记；

对于给定图像，预测出预测对象类别标记和预测集群类别标记；

获得所述给定图像的人工对象类别标记；以及基于获得的人工对象类别标记、所获得的对象集群标记、所述预测对象类别标记和所述预测集群标记来训练图像特征。

11.一种用于对标记有属性的对象进行聚类的系统，包括：获得单元，获得多个对象的属性；

汇总单元，与所述获得单元电通信，将所获得的属性汇总为多个语义因子；

拆分单元，与所述汇总单元电通信，将所述对象拆分为多于一个的集群；且所述拆分单元进一步用于对所述集群中的至少一个拆分一次或多次；

其中，所述拆分单元包括选择器，所述选择器用于从所述语义因子中独立地选择一个语义因子以在每次拆分期间拆分所述集群。

12.根据权利要求11所述的系统，进一步包括划分单元，将所述对象划分为多于一个的对象类别，且针对每个对象类别单独地执行所述获得、所述汇总和所述拆分的处理。

13.根据权利要求11所述的系统，其中，在所述汇总单元中，所述属性被汇总为以下语义因子中的一个或多个：旋转属性，即，对象的平面内旋转；

视点属性，即，对象的平面外旋转；

共同属性，由所有所述对象类别共享；

类别特定属性，其特定地用于单个类别或小类别群组；

对象部分位置和遮挡；以及

对象部分存在。

14.根据权利要求11所述的系统，其中，任何一个所述集群的、由用于从所有对象的集合获得集群的拆分次数所界定的深度不大于最大深度。

15.根据权利要求11所述的系统，其中，任何一个所述集群的、由集群中的对象数目所界定的大小不小于最小大小。

16.根据权利要求11所述的系统，其中所述语义因子中的每个语义因子被选择使得所述拆分具有最佳的均一性。

17.根据权利要求11所述的系统，其中，所述选择器包括：获得单元，使用所述语义因子中的每个语义因子来获得候选拆分；

计算单元，计算每个候选拆分的评估得分；以及比较单元，比较所述评估得分以找到最大评估得分和用于获得具有所述最大评估得分的候选拆分的对应语义因子。

18.根据权利要求11所述的系统，其中，通过对有向图进行附聚聚类、吸引子传播、谱聚类或归一化分割来实现每次拆分。

19.根据权利要求11所述的系统，其中通过对有向图进行附聚聚类来实现每次拆分，其中所述有向图使用K最近邻而构造，在所述有向图中每个对象是节点，来自第m节点的有向边缘用于测量第m样本与第n样本之间的相似性；且集群的接近性量度经由所述有向图上的入度和出度定义。

20.一种特征学习系统，包括:

分类单元，将标记有属性的对象划分为一个或多个对象类别以获得每个所述对象的对象类别标记；

属性聚类单元，使用根据权利要求11所述的系统将每个所述对象类别中的对象独立地聚类为不同集群以获得每个对象的对象集群标记；

预测单元，对于给定图像，预测出预测对象类别标记和预测集群类别标记；

获得单元，获得所述给定图像的人工对象类别标记；以及训练单元，基于获得的所述人工对象类别标记、获得的所述对象集群标记、所述预测对象类别标记和所述预测集群标记来训练图像特征。

21.一种用标记的属性聚类对象的系统，包括：系统存储器，存储有计算机可执行指令，以及处理器，执行所述指令以进行以下操作：获得多个对象的属性；

将所述属性汇总为多个语义因子；

将所述对象拆分为多于一个的集群；以及对所述集群中的至少一个集群拆分一次或多次，其中，从所述语义因子中独立地选择一个语义因子以在每次拆分期间拆分所述集群。