1.一种基于局部均值距离约束表示的数据分类方法，其特征在于：所述的方法包括步骤如下：S1：获取训练样本集合，所述训练样本集合包括若干个类别，将训练样本集合按照类别分为若干个训练样本子集，计算未知样本到每个训练样本子集中的训练样本的距离；

S2：从每个类别中找到距离未知样本最近的k个训练样本，组成一个邻居样本子集；

S3：采用基于协同表示的目标函数，实现邻居样本子集对未知样本的重新表示；

S4：在基于协同表示的目标函数中加入局部均值向量进行约束，得到新的目标函数，新的目标函数能使不同类别在表示未知样本时相互竞争；

S5：对步骤S4得到的新的目标函数进行求导，求解表示系数；

S6：将表示系数作为每个邻居样本的权重，计算每个类别邻居样本的权重和；

S7：将未知样本分类为系数和最大的类别，得到未知样本的类别；

S8：判断未知样本集合中的未知样本是否全部分类完毕，若全部分类完毕，则结束分类；若还有未知样本没有完成分类，则回到步骤S2进行执行，实现对下一个未知样本的分类。

2.根据权利要求1所述的基于局部均值距离约束表示的数据分类方法，其特征在于：步骤S1，将包括n个训练样本，c个类别的训练样本集合表示为：X＝[X1，X2，...，Xc]；其中，表示在第i类中的ni个训练样本组成的训练样本子集；

计算未知样本到每个训练样本子集中的训练样本的距离，其计算公式如下：式中，i＝1，2，...，c；t＝1，2，...，ni；y表示未知样本。

3.根据权利要求2所述的基于局部均值距离约束表示的数据分类方法，其特征在于：步骤S2，根据距离从每个类别中找到距离未知样本最近的k个训练样本，有c个类别，所以得到c·k个训练样本，并将c·k个训练样本组成一个邻居样本子集 表示为

4.根据权利要求3所述的基于局部均值距离约束表示的数据分类方法，其特征在于：步骤S3，使用邻居样本子集 对未知样本进行重新表示，具体如下：式中，γ表示可调的正则化参数；S为表示系数； 代表向量二范数的平方，定义为表示用邻居样本子集重构出的训练样本与未知样本y之间的残差向量； 表示残差向量中各元素的平方和，用来表示使用邻居样本重构出的训练样本和未知样本本身的差距。

5.根据权利要求4所述的基于局部均值距离约束表示的数据分类方法，其特征在于：步骤S4，在基于协同表示的目标函数中加入局部均值向量进行约束，得到新的目标函数，所述的新的目标函数具体公式如下：其中，sj表示在邻居样本子集 中第j个邻居样本的表示系数，γ1和γ2均为可调的正则化参数，在实际运用过程中通过交叉验证得到；uj表示第j个邻居样本所属类别的k个邻居样本的局部均值向量，其中j＝1，2，...，N；uj在同一个类别中是相同的，对于每一个类别，ui表示为：其中，i＝1，2，...，c，xih表示第i个类别中距离未知样本最近的第h个训练样本。

6.根据权利要求5所述的基于局部均值距离约束表示的数据分类方法，其特征在于：步骤S5中，对步骤S4得到的新的目标函数进行求导，求解表示系数，具体如下：对于新的目标函数式(3)，

前两项的求导结果为： 和2γ1S；

对于第三项，令

对S中的每一项sj求导，通过求解 得到

因此，

令

综上，对于新的目标函数，对S求导的结果为

求得表示系数 如下：

7.根据权利要求6所述的基于局部均值距离约束表示的数据分类方法，其特征在于：步骤S6，计算每个类别邻居样本的权重和，具体如下：其中， 表示第i类的第h个邻居样本的表示系数。

8.根据权利要求7所述的基于局部均值距离约束表示的数据分类方法，其特征在于：步骤S7，将未知样本分类为系数和最大的类别，具体计算如下：cy＝argmax Wi      (9)

式中，i＝1，2，...，c。