1.一种多视角二元有序图像数据的鲁棒分类方法，其特征在于，包括以下步骤：提取训练集二元有序图像数据的多视角视觉特征；

将提取的特征送入多视角二元有序数据分类模型中，训练得到各视角上的权重系数和映射矩阵，所述二元有序数据分类模型表示为如下优化问题：问题P1：

约束条件：

式中， 表示第 个二元有序图像样本在第 个视角上的视觉特征，其中 和分别为从第一个图像和第二个图像上提取的视觉特征向量，且第一个图像比第二个图像具有更大的正类似然度；表示用于训练的二元有序图像样本的数量； 表示不同视角数； 表示每个视角的高维特征映射函数； 和 分别是代表正类和负类的概率； 表示第 个视角的权重；将 表示为 ， 是特征矩阵， 是映射矩阵，为待优化变量； 和 为中间变量， 和 是超参数；

训练得到各视角上的权重系数和映射矩阵，包括：根据表示定理，将二元有序数据分类模型的问题P1转换为核模型如下：问题P2：

约束条件：

其中， 是第 个视角上核矩阵的分块形式，核矩阵的分块形式为，其中核函数 是高维特征映射函数 的内积，分别是由核函数 , 和 组成的核矩阵； 和 为待优化变量；

针对问题P2，采用交替方向乘子法，结合梯度下降和迭代次数相关的动量策略，逐步优化目标函数以达到快速收敛；

基于学习到的权重系数和映射矩阵，对待识别图像进行分类识别。

2.根据权利要求1所述的方法，其特征在于，提取训练集二元有序图像数据的多视角视觉特征，包括：对于黑白图像数据，采用512维定向梯度直方图和81维GIST描述符作为两种不同视角的视觉特征；对于彩色图像数据，采用144维HOG和100维DenseHue描述符作为两种视角视觉特征。

3.根据权利要求1所述的方法，其特征在于，对问题P2的求解包括如下步骤：S201，输入视角个数 ，正类样本概率 ，负类样本概率 ，训练集数据，参数 和 ，交替方向乘子法的步长参数和收敛阈值 ；初始化 ，令迭代次数 ；

S202，在问题P2中取 ，利用交替方向乘子法求解关于 的优化问题，得到；

S203，在问题P2中取 ，利用基于动量策略的梯度下降方法寻求 的最优解，记为 ；

S204，若 ，令 ，返回步骤S202；否则，输出最优解 ， 。

4.根据权利要求3所述的方法，其特征在于，所述步骤S202中，更新 的方法如下：定义表示每个视角分类器模型复杂度的向量 ，定义视角权重向量 ，对于 而言，将问题P2转换为问题P3：约束条件：

其中， 是拉格朗日乘子向量， ， ，，是分量全是1的向量， 是 的单位矩阵，是分量全是0的向量；

通过以下步骤求解问题P3：

i) 初始化 和 ，确定收敛阈值；

ii) 通过下式更新 ： ；

:iii) 通过下式更新 ： ；

iv) 通过下式更新 ： ；

v) 动态调整参数 ： ，是大于1的调整系数；

vi) 若 以及 和 在两次相邻迭代的变化之差均小于设定的阈值，则得到 ；否则，返回步骤ii)。

5.根据权利要求3所述的方法，其特征在于，所述步骤S203中更新 的方法如下：对于 而言，将问题P2转换为问题P4：其中：

通过以下步骤求解问题P4：

i) 初始化 ， ，迭代数 ，确定收敛阈值；

ii) 计算问题P4的目标函数 的梯度：其中：

iii) 根据梯度范数动态修改步长 ，以适应目标函数的变化速度，其中：iv) 计算累加梯度：

v) 通过下式更新 ：

vi) 若 在两次相邻迭代的变化之差小于设定的阈值，则得到 ；否则，令 并返回步骤ii)。

6.根据权利要求1所述的方法，其特征在于，基于学习到的权重系数和映射矩阵，对待识别图像进行分类识别，包括：利用第 个视角的分类器进行分类，其中 表示核函数：将各视角的分类结果 按权重 加权求和得到最终预测结果：其中， 是待识别图像在 视角上的视觉特征。

7.一种多视角二元有序图像数据的鲁棒分类装置，其特征在于，包括：数据预处理模块，用于提取训练集二元有序图像数据的多视角视觉特征；

模型训练模块，用于将提取的特征送入多视角二元有序数据分类模型中，训练得到各视角上的权重系数和映射矩阵，所述二元有序数据分类模型表示为如下优化问题：问题P1：

约束条件：

式中， 表示第 个二元有序图像样本在第 个视角上的视觉特征，其中 和分别为从第一个图像和第二个图像上提取的视觉特征向量，且第一个图像比第二个图像具有更大的正类似然度；表示用于训练的二元有序图像样本的数量； 表示不同视角数； 表示每个视角的高维特征映射函数； 和 分别是代表正类和负类的概率； 表示第 个视角的权重；将 表示为 ， 是特征矩阵， 是映射矩阵，为待优化变量； 和 为中间变量， 和 是超参数；

训练得到各视角上的权重系数和映射矩阵，包括：根据表示定理，将二元有序数据分类模型的问题P1转换为核模型如下：问题P2：

约束条件：

其中， 是第 个视角上核矩阵的分块形式，核矩阵的分块形式为，其中核函数 是高维特征映射函数 的内积，分别是由核函数 , 和 组成的核矩阵； 和 为待优化变量；

针对问题P2，采用交替方向乘子法，结合梯度下降和迭代次数相关的动量策略，逐步优化目标函数以达到快速收敛；

图像分类模块，用于基于学习到的权重系数和映射矩阵，对待识别图像进行分类识别。

8.一种计算机设备，其特征在于，包括：一个或多个处理器；存储器；以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述程序被处理器执行时实现如权利要求1‑6中任一项所述的多视角二元有序图像数据的鲁棒分类方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑6中任一项所述的多视角二元有序图像数据的鲁棒分类方法的步骤。