[发明专利]一种文件自动分类方法

权利要求书

1.一种文件自动分类方法，其特征在于：其具体操作步骤如下：

第1步：从待分类文件中抽取出文本信息、图像信息、视频信息、音频信息；

第2步：在第1步的基础上，对抽取出来的文本信息、图像信息、视频信息、音频信息分别进行预处理；对文本信息进行预处理包括分词、特征提取、权重计算等；对图像信息进行预处理包括图像变换、增强、边缘检测、恢复、分割等；对视频信息进行预处理包括特征提取、建视频库、对视频数据进行多维分析等；对音频信息进行预处理包括前端预处理、特征提取、识别等；

第3步：在第2步的基础上，对经过预处理后的文本信息进行分类；

第4步：在第2步的基础上，对经过预处理后的图像信息进行分类；

第5步：在第2步的基础上，对经过预处理后的视频信息进行分类；

第6步：在第2步的基础上，对经过预处理后的音频信息进行分类；

第7步：收集第3步到第6步的分类结果，并采用决策级融合算法对收集的分类结果进行推理计算，得到最终的分类结果。

2.如权利要求1所述的一种文件自动分类方法，其特征在于：第3步中所述对经过预处理后的文本信息进行分类，使用的分类方法包括但不限于：KNN、SVM、贝叶斯。

3.如权利要求1或2所述的一种文件自动分类方法，其特征在于：第4步中所述对经过预处理后的图像信息进行分类，使用的分类方法包括但不限于：SVM、贝叶斯网络、BP神经网络。

4.如权利要求1或2所述的一种文件自动分类方法，其特征在于：第5步中所述对经过预处理后的视频信息进行分类，使用的分类方法包括但不限于：KNN、SVM、Boosting算法。

5.如权利要求1或2所述的一种文件自动分类方法，其特征在于：第6步中所述对经过预处理后的音频信息进行分类，使用的分类方法包括但不限于：SVM、GMM算法。

6.如权利要求1或2所述的一种文件自动分类方法，其特征在于：第7步中所述决策级融合算法包括但不限于：贝叶斯网络算法、D-S证据理论算法、投票算法。