1.一种用户类别确定方法，其特征在于，所述用户类别确定方法包括：获取多个初始样本及多个待选样本，每个初始样本包括初始用户的第一特征信息，每个待选样本包括待选用户的第二特征信息；

根据所述第一特征信息分析任意两个初始样本在预设维度上的相似度，得到所述多个初始样本的第一相似矩阵；

根据任一待选样本在所述多个初始样本中的多个插入位置、所述第一特征信息及所述第二特征信息分析所述任一待选样本与所述多个初始样本的相似度，得到与所述多个插入位置对应的多个第二相似矩阵；

基于图像清晰度评价算法对所述第一相似矩阵进行评价处理，得到所述第一相似矩阵的第一清晰度，并对所述多个第二相似矩阵进行评价处理，得到多个第二清晰度；

基于所述多个第二清晰度及所述第一清晰度从所述多个插入位置中筛选目标位置；

根据所述多个初始样本及所述目标位置从所述多个待选样本中选取入选样本，并将所述多个初始样本及所述入选样本确定为训练样本；

基于所述训练样本调整预先构建好的分类学习器，得到分类模型；

当接收到类别确定请求时，根据所述类别确定请求获取待测用户在所述预设维度上的维度信息；

根据所述分类模型分析所述维度信息，得到所述待测用户所属的用户类别。

2.如权利要求1所述的用户类别确定方法，其特征在于，所述第一特征信息包括所述初始用户在预设时间及所述预设维度上的信息，所述根据所述第一特征信息分析任意两个初始样本在预设维度上的相似度，得到所述多个初始样本的第一相似矩阵包括：根据下列公式计算所述第一特征信息，得到所述任意两个初始样本在所述预设维度上的相似度：

；

其中， 是指初始样本 与初始样本 的相似度， 是指所述预设时间的时间总量，是指所述预设维度的维度总量， 是指所述初始样本 在第个预设维度及第个预设时间上所对应的第一特征信息， 是指所述初始样本 在第 个预设维度及第个预设时间上所对应的第一特征信息；

根据所述多个初始样本的样本数量生成初始矩阵，并根据所述多个初始样本的样本顺序将所述相似度及预设相似值填充至所述初始矩阵中，得到所述第一相似矩阵。

3.如权利要求2所述的用户类别确定方法，其特征在于，所述根据所述多个初始样本及所述目标位置从所述多个待选样本中选取入选样本还包括：根据所述目标位置依次将每个待选样本插入所述多个初始样本中，得到多个特征序列；

计算每个特征序列中多个特征样本的相似度，得到每个特征序列的特征相似矩阵，并计算每个特征相似矩阵的特征清晰度；

计算每个特征清晰度与所述第一清晰度的差值，得到清晰影响值，并将取值最小的清晰影响值所对应的特征序列确定为目标序列；

将所述目标序列中的待选样本确定为所述入选样本，并将所述目标序列中的多个特征样本确定为下一次迭代处理的多个初始样本；

将所述入选样本从所述多个待选样本中删除，得到处理后的待选样本；

基于所述下一次迭代处理的多个初始样本对所述处理后的待选样本进行迭代筛选，直至所述目标序列的序列增益值小于目标增益值，得到所述入选样本。

4.如权利要求3所述的用户类别确定方法，其特征在于，所述方法还包括：根据多个所述特征清晰度及所述第一清晰度生成关系曲线；

对所述关系曲线进行求导分析处理，得到导数曲线；

根据所述导数曲线计算所述目标序列的特征清晰度及所述目标序列的序列数量，得到所述序列增益值；

基于所述导数曲线及所述多个初始样本生成所述目标增益值：；

；

；

其中，是指所述目标增益值， 是指第 个初始样本在所述导数曲线上的导数值，是指所述多个初始样本在所述导数曲线上的导数值的平均值，是指所述多个初始样本在所述导数曲线上的导数值的方差值， 是指所述多个初始样本的样本数量。

5.如权利要求1所述的用户类别确定方法，其特征在于，所述基于图像清晰度评价算法对所述第一相似矩阵进行评价处理，得到所述第一相似矩阵的第一清晰度包括：根据下列公式分析所述第一相似矩阵中任意相邻元素，得到所述第一清晰度：；

其中， 是指所述第一清晰度，是指所述第一相似矩阵中的总行数与 的差值，是指所述第一相似矩阵中的总列数，为大于1的正整数， 是指所述第一相似矩阵中第 行及第 行所对应的元素， 是指所述第一相似矩阵中第 行及第 行所对应的元素。

6.如权利要求1所述的用户类别确定方法，其特征在于，所述基于所述多个第二清晰度及所述第一清晰度从所述多个插入位置中筛选目标位置包括：计算每个第二清晰度与所述第一清晰度的差值，得到多个清晰度变化值；

将取值最大的清晰度变化值所对应的插入位置确定为所述目标位置。

7.如权利要求6所述的用户类别确定方法，其特征在于，所述根据所述多个初始样本及所述目标位置从所述多个待选样本中选取入选样本包括：将取值最大的清晰度变化值确定为目标变化值；

若所述目标变化值大于或者等于预设阈值，则将所述任一待选样本确定为所述入选样本，并将所述多个初始样本及所述入选样本确定为下一次迭代处理的多个初始样本；

基于所述下一次迭代处理的多个初始样本对所述多个待选样本进行迭代筛选，直至所述多个待选样本均参与筛选，得到所述入选样本；或者若所述目标变化值小于所述预设阈值，基于所述多个初始样本对所述多个待选样本进行迭代筛选，直至所述多个待选样本均参与筛选，得到所述入选样本。

8.一种用户类别确定装置，其特征在于，所述用户类别确定装置包括：获取单元，用于获取多个初始样本及多个待选样本，每个初始样本包括初始用户的第一特征信息，每个待选样本包括待选用户的第二特征信息；

分析单元，用于根据所述第一特征信息分析任意两个初始样本在预设维度上的相似度，得到所述多个初始样本的第一相似矩阵；

所述分析单元，还用于根据任一待选样本在所述多个初始样本中的多个插入位置、所述第一特征信息及所述第二特征信息分析所述任一待选样本与所述多个初始样本的相似度，得到与所述多个插入位置对应的多个第二相似矩阵；

评价单元，用于基于图像清晰度评价算法对所述第一相似矩阵进行评价处理，得到所述第一相似矩阵的第一清晰度，并对所述多个第二相似矩阵进行评价处理，得到多个第二清晰度；

筛选单元，用于基于所述多个第二清晰度及所述第一清晰度从所述多个插入位置中筛选目标位置；

选取单元，用于根据所述多个初始样本及所述目标位置从所述多个待选样本中选取入选样本，并将所述多个初始样本及所述入选样本确定为训练样本；

调整单元，用于基于所述训练样本调整预先构建好的分类学习器，得到分类模型；

所述获取单元，还用于当接收到类别确定请求时，根据所述类别确定请求获取待测用户在所述预设维度上的维度信息；

所述分析单元，还用于根据所述分类模型分析所述维度信息，得到所述待测用户所属的用户类别。

9.一种电子设备，其特征在于，所述电子设备包括：存储器，存储有计算机可读指令；及处理器，执行所述存储器中存储的计算机可读指令以实现如权利要求1至7中任意一项所述的用户类别确定方法。

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至7中任意一项所述的用户类别确定方法。