1、基于內(nèi)容的圖像分類是指根據(jù)圖像的視覺特征對圖像進行自動語義分類，需要克服類內(nèi)差異、遮擋、姿態(tài)變化和背景干擾對分類帶來的不利影響，目前是計算機視覺領(lǐng)域最具挑戰(zhàn)的課題之一。在電子商務(wù)領(lǐng)域，基于內(nèi)容的商品圖像自動分類能夠為交易雙方提供快速商品查詢、確定商品的置放策略及進行用戶感興趣商品的智能推薦，從而有力提高電子商務(wù)市場的整體效能，是電子商務(wù)智能化的迫切要求。
　　本文主要使用判別式分類模型研究基于內(nèi)容的商品圖像分類方法，具體工作如下:

2、
　　(1)為實現(xiàn)按照某種感興趣信息（如女士皮鞋是圓頭還是尖頭，T恤衫是圓領(lǐng)口還是V型領(lǐng)口等）或商品類型對在線商品進行快速自動分類，研究了基于圖像類描述與圖像-類最近鄰分類方式的商品圖像分類方法。這種方法對每一個商品圖像類建立類統(tǒng)計描述模型，在特征空間計算測試圖像與每一類統(tǒng)計模型（類描述）的距離，將距離最小的圖像類作為最終的分類結(jié)果。具體從兩個方面構(gòu)建商品圖像類描述，實現(xiàn)圖像-類最近鄰分類。
　?、偃痔卣鞣?。采用具有互補特

3、性的塔式梯度方向直方圖和塔式關(guān)鍵詞直方圖全局特征構(gòu)造商品圖像基于特征分布參數(shù)的類描述符和基于特征分級匹配的類描述符;然后通過計算測試圖像描述符與各類類描述符之間的距離（圖像-類距離）實現(xiàn)商品自動分類。計算過程簡單，分類性能比現(xiàn)有相關(guān)文獻有一定提升。
　?、诰植刻卣鞣ā榭朔?gòu)建全局特征過程中量化誤差的影響，局部特征法將商品圖像及商品圖像類看做是若干獨立同分布局部特征的無序集合，采用圖像-類最近鄰方式實現(xiàn)商品圖像分類。為快速實現(xiàn)圖像

4、-類距離的計算，本文在對每類的局部特征描述子進行多級聚類，通過設(shè)定聚類級數(shù)和類過濾比例能夠靈活平衡分類正確率與分類速度。
　　(2)構(gòu)建圖像類描述需要較大數(shù)量的已標(biāo)記樣本。針對已標(biāo)記（訓(xùn)練）樣本數(shù)量較少的情況，本文采用基于數(shù)據(jù)驅(qū)動的核函數(shù)構(gòu)建方法，在詞包(Bag Of Words，BOW)模型的基礎(chǔ)上，設(shè)計了一種基于加權(quán)二次卡方(Weighted Quadratic Chisquared，WQC)距離的直方圖核函數(shù)，使用具有核技巧

5、的支持向量機進行商品圖像分類。對于訓(xùn)練樣本較少情況下的圖像分類，基于WQC直方圖核函數(shù)方法有著較明顯優(yōu)勢。
　　(3)考慮到商品圖像分類具有類別數(shù)量多、類內(nèi)變化大、分類依據(jù)多樣等復(fù)雜性，研究了多特征聯(lián)合方法以提高商品圖像分類性能。①多核聯(lián)合方法。為避免傳統(tǒng)多核學(xué)習(xí)中繁瑣而困難的聯(lián)合優(yōu)化問題，提出了基于（去中心化）核經(jīng)驗校準(zhǔn)的商品圖像分類方法;②多分類器聯(lián)合方法。本文建立了基于異構(gòu)強分類器決策層聯(lián)合的商品圖像分分類框架;提出了基于支