技術(shù)特征：

1.基于稀疏子空間多任務(wù)學(xué)習(xí)的圖像分類預(yù)測方法，其特征在于，包括：

步驟一：根據(jù)對訓(xùn)練圖像集提取的異構(gòu)視覺特征構(gòu)建特征數(shù)據(jù)；

步驟二：基于任務(wù)的相關(guān)性和異構(gòu)視覺特征的結(jié)構(gòu)性，根據(jù)特征數(shù)據(jù)的訓(xùn)練數(shù)據(jù)集建立稀疏子空間的多任務(wù)分類算法的目標(biāo)函數(shù)；

步驟三：基于稀疏子空間的多任務(wù)分類算法的目標(biāo)函數(shù)，采用迭代優(yōu)化算法進行求解，生成稀疏子空間多任務(wù)分類模型；

步驟四：采用稀疏子空間多任務(wù)分類模型對圖像測試集進行分類預(yù)測。

2.根據(jù)權(quán)利要求1所述的基于稀疏子空間多任務(wù)學(xué)習(xí)的圖像分類預(yù)測方法，其特征在于，所述異構(gòu)視覺特征至少包括顏色、紋理和形狀。

3.根據(jù)權(quán)利要求1所述的基于稀疏子空間多任務(wù)學(xué)習(xí)的圖像分類預(yù)測方法，其特征在于，步驟二中包括：

對異構(gòu)特征的融合引入組稀疏正則化其中G是異構(gòu)特征子集的個數(shù)，u是分類模型的權(quán)重向量；

結(jié)合子空間相關(guān)性和稀疏機制建立多任務(wù)學(xué)習(xí)模型，構(gòu)成最終的目標(biāo)函數(shù)：

其中U和V為權(quán)重向量，Q是共享子空間。

4.根據(jù)權(quán)利要求3所述的基于稀疏子空間多任務(wù)學(xué)習(xí)的圖像分類預(yù)測方法，其特征在于，所述步驟三中分別對變量V、Q和W進行迭代優(yōu)化，獲得穩(wěn)定最優(yōu)解，即生成稀疏子空間多任務(wù)分類模型。