1.一种基于多组间因子分析的零样本图像分类方法，其特征在于，包括如下步骤：

1)使用训练数据的视觉特征X1及其相应类别的语义特征X2,...Xc构建协方差矩阵M；

2)求解协方差矩阵M的特征值，选择最大的d个特征值对应的d维特征向量作为映射矩阵W；

3)在验证集中学习得到下式中的权重αi

k＝1,2,...,n.

式中，xj是验证数据的视觉特征， 是与xj相对应类别的第k个模态的语义特征，sim(a,b)＝aTb/(||a||·||b||)，为两个向量的距离；

4)使用映射矩阵W，将测试数据的视觉特征 和未见过的类别的语义特征yk映射至公共空间；

5)用步骤3)中的公式对测试数据进行分类，式中的k*是测试数据相应的类别。

2.根据权利要求1所述的基于多组间因子分析的零样本图像分类方法，其特征在于，步骤1)中所述的协方差矩阵M为：式中，c是模态的个数。

3.根据权利要求1所述的基于多组间因子分析的零样本图像分类方法，其特征在于，步骤2)中所述的求解协方差矩阵M的特征值是由下式得到：MW＝λW  (2)

其中，λ为特征值。

4.根据权利要求1所述的基于多组间因子分析的零样本图像分类方法，其特征在于，步骤2)中取得特征值λ后，根据预先设定的公共空间维数d，选择最大的d个特征值对应的d维特征向量W，进而由公式得到视觉特征的映射矩阵W1，以及各个语义特征的映射矩阵Wi,i∈[2,c]。