1.一种标记与语义自编码融合的零样本图像分类方法，其特征在于，具体按照以下步骤实施：步骤1、图像到语义的自编码映射求解，获得图像到语义的映射矩阵；具体过程为：步骤1.1、取n个图像样本，对n个图像样本提取可见类别的图像特征矩阵 和可见类别的语义嵌入特征矩阵步骤1.2、根据单层的线性自编码器原理可得：其中，d1为图像特征维度，d2为语义嵌入特征维度，λ1为折中参数取为1， 为图像到语义的映射矩阵；

步骤1.3、根据式(1)进而可得：BA1+A1C＝D(2)

T T T

其中，B＝SS，C＝λ1XX，D＝(1+λ1)SX ,通过matlab中的函数sylvester优化求解图像到语义的映射矩阵A1；

步骤2、图像到标记的自编码映射求解，获得图像到标记的映射矩阵；具体过程为：步骤2.1、对n个图像样本提取可见类别的标记矩阵步骤2.2、根据单层的线性自编码器原理可得：其中，d3为标记维度，λ2为折中参数取10， 为图像到标记的映射矩阵；

步骤2.3、根据式(3)进而可得：EA2+A2F＝G(4)

T T T

其中，E＝YY ,F＝λ2XX ,G＝(1+λ2)YX ,通过matlab中的函数sylvester优化求解图像到标记的映射矩阵A2；

步骤3、根据图像到语义的映射矩阵、图像到标记的映射矩阵求解图像标记融合系数；

具体过程为：

步骤3.1、根据最小平方误差原理进行图像标记融合，可得：其中，β1+β2＝1,β1>0,β2>0，β＝[β1β2]为图像标记融合系数， 是计算矩阵和矩阵 各列向量成对相似度量形成矩阵，成对相似度量通过余弦距离计算，d3为可见类别数目，Ws为可见类别成对语义特征相似矩阵，成对语义特征相似通过余弦距离计算；

步骤3.2、根据式(5)可得：

其中， 通过多元线性回归求解图像标记融合系数β＝[β1β2]；

步骤4、根据图像标记融合系数对零样本图像标记估计，根据估计结果进行分类标记，具体过程为：根据语义特征映射与标记映射迁移融合原理得零样本图像标记估计:其中， 为预测的标记矩阵表示着未可见类别的标记结构； 为未可见类别的图像特征矩阵，m为未可见样本的数目； 是计算矩阵 和矩阵 各列向量成对相似度量形成矩阵，d4为未可见类别数目；Wu为可见类别成对语义特征相似矩阵；Wsu为可见类别和未可见类别成对语义特征相似矩阵；

取 为 中任一元素，估计未可见类的样本的分类标记 为：其中，m为未可见样本的数目。