1.一种基于语义相关多模态映射方法的零样本图像分类方法，其特征在于，首先输入如下信息：训练数据的视觉特征矩阵X＝{x1,x2,...,xn}，其中n为训练数据样本数；训练数据的辅助信息矩阵Y＝{y1,y2,...,ym}，其中m为训练数据类别数；权重参数α，公共映射空间E的维数d；待测试数据的视觉特征x′，以及测试数据的辅助信息矩阵Y′＝{y′1,y′2,...,y′t}，其中t是测试数据类别数，然后，进行如下步骤：

1)计算训练数据中每两个类别之间的语义相似度 其中i,j＝1,

2,...,m,yi为训练数据第i类的辅助信息，yj为训练数据第j类的辅助信息，σ为可调节的参数；

2)构建矩阵 其中 ti是训练数据中第i类的图

像样本个数，i,j＝1,2,...,m；

3)由步骤2)中的矩阵A构造矩阵

4)在训练数据的每个类别中，计算每两个图像在视觉空间中的距离之和 其中ti是训练数据中第i类的图像样本个数；

5)构造矩阵D＝diag{H1,...,Hm}，其中Hi＝Di-Si，

6)利用如下公式分别计算本征矢量P＝[p1,...,pd]和Q＝[q1,...,qd]，将P和Q作变换矩阵，

其中，α为权重参数,λ、μ为求得的特征值；

7)对于测试数据的图像特征x′利用PTx′计算从视觉空间映射到公共空间的映射矢量，利用QTy′j计算从辅助信息空间映射到公共空间的映射矢量，j＝1,2,...,m；

8)在公共空间中，找到与PTx′距离最近的QTy′j，所述的QTy′j所对应的类别j就是所要求的测试数据的分类结果。

2.根据权利要求1所述的一种基于语义相关多模态映射方法的零样本图像分类方法，其特征在于，步骤6)给出的计算本征矢量P＝[p1,...,pd]和Q＝[q1,...,qd]的公式是根据目标函数公式：

获得，

其中，P和Q是变换矩阵，分别将视觉特征和辅助信息矩阵映射到一个共享的公共映射空间； 表示类别i和类别j的语义相似度，两个类别越相似，它们的语义特征就会越接近，aij值也就越接近于1，其中σ是一个常数, 用来度量 和 之间的视觉相似性,α是权重参数，用来平衡目标函数公式中 和的重要程度。