目标分类的方法、装置、计算机设备及存储介质与流程

1.本发明涉及智能分类技术领域，尤其涉及一种目标分类的方法、装置、计算机设备及存储介质。


背景技术：

2.随着人们生活的不断进步，用户在工作等各个方面也提出了更高的需求，例如在关联规则挖掘这一块，关联规则由属性构成，人们通过属性之间的相关性来解释事物之间的相关性。以前在通过一些属性析取一类目标时，由于相关属性的数量较少，通过简单的属性值获取结合判断条件就可以析取出目标人群。
3.例如需要在众多的学生中选出“好学生”，可以对“好学生”预先添加条件属性，如乐于助人、考试分数达标、不迟到、不早退等等。当众多的学生中有符合预设条件属性的部分或者全部时，将该学生从众多的学生中析取出，为其标记为好学生。
4.在对目标对象进行挖掘时，对于属性类别少、属性数量少的目标，传统的析取方法可以快速的进行目标析取；但是对于业务场景多、属性类别多、属性数量大的目标析取，则需要耗费较多的人为工作时间去获取重要属性及各重要属性与分类类别之间的关系，还容易出现目标析取错误的情况。


技术实现要素：

5.本发明实施例提供一种目标分类的方法、装置、计算机设备及存储介质，以解决目前对目标进行分类时，分类效率和准确率较低的技术问题。
6.一种目标分类的方法，包括：
7.从待分类的目标的目标数据中提取多个属性，并按照预设的属性选项从所述多个属性中筛选出对应目标的基本属性；
8.根据预先配置的映射表，将对应目标的基本属性转换为二进制数；
9.将所述目标的基本属性对应的二进制数按照预先设定的顺序进行拼接，得到目标二进制序列；
10.获取预先挖掘得到的与每个类别相对应的匹配规则；
11.通过各所述匹配规则对所述目标二进制序列进行匹配，将匹配成功的匹配规则的类别作为对应目标所属的类别。
12.一种目标分类的装置，包括：
13.属性筛选模块，用于从待分类的目标的目标数据中提取多个属性，并按照预设的属性选项从所述多个属性中筛选出对应目标的基本属性；
14.第一转换模块，用于根据预先配置的映射表，将对应目标的基本属性转换为二进制数；
15.第一拼接模块，用于将所述目标的基本属性对应的二进制数按照预先设定的顺序进行拼接，得到目标二进制序列；
16.获取模块，用于获取预先挖掘得到的与每个类别相对应的匹配规则；
17.匹配模块，用于通过各所述匹配规则对所述目标二进制序列进行匹配，将匹配成功的匹配规则的类别作为对应目标所属的类别。
18.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述目标分类的方法的步骤。
19.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述目标分类的方法的步骤。
20.上述目标分类的方法、装置、计算机设备及存储介质，首先从待分类的目标数据中提取多个属性，并按照与当前场景相应预设的属性选项，从多个属性中筛选出对应目标的基本属性，然后根据预先配置的映射表，将对应目标的基本属性转换为二进制数，再将各目标的基本属性对应的二进制数按照预先设定的顺序进行拼接，得到目标二进制序列，再获取预先挖掘得到的与每个类别相对应的匹配规则，最后通过各匹配规则对应的基本属性及其取值组成的关联规则，对所述目标二进制序列进行匹配，将匹配成功的匹配规则的类别作为对应目标所属的类别，使得只需要预先得到各类别匹配规则中二进制数的位数及取值，不论待分类的目标数据包括的属性多或者少，都能够依据各类别的匹配规则对最终转换得到的目标二进制序列进行匹配并分类，节约了人力，同时提高目标分类的效率和准确率。
附图说明
21.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
22.图1是本发明一实施例中目标分类的方法的一应用环境示意图；
23.图2是本发明一实施例中目标分类的方法的一流程图；
24.图3是本发明一实施例中挖掘得到与每个类别相对应的匹配规则的一流程图；
25.图4是本发明一实施例中目标分类的装置的结构示意图；
26.图5是本发明一实施例中计算机设备的一示意图。
具体实施方式
27.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
28.为了解决目前的目标析取方法需要耗费较多的人为工作时间，还容易出现目标析取错误的技术问题，以提高目标分类的效率和准确率，提高目标析取方法的适用性，本技术提供了目标分类的方法，可应用在如图1的应用环境中，其中，该计算机设备能够通过网络与服务器等外部设备进行通信。其中，该计算机设备可以但不限于各种个人计算机、笔记本
电脑、智能手机、平板电脑和便携式可穿戴设备。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
29.在一实施例中，如图2所示，提供一种目标分类的方法，以该方法应用在图1中的计算机设备为例进行说明，包括如下步骤s101至s105。
30.s101、从待分类的目标的目标数据中提取多个属性，并按照预设的属性选项从所述多个属性中筛选出对应目标的基本属性。
31.可以理解的是，该基本属性为影响对应目标分类结果的属性，一般姓名不属于基本属性。具体将什么属性作为基本属性可以根据具体的场景设定，例如在员工分类的场景中，可以将年龄、性别、绩效分数、职位级别作为该基本属性；再例如在学生分类的场景中，可以将学生的年级、考试分数、性别作为该基本属性。所述属性选项即将能够影响分类结果的属性进行归类。
32.其中，该目标例如学生、学科、文章等。该目标数据表示包括与该目标相关的所有的数据，具体包括该目标的若干属性，以目标是学生为例，该目标的属性例如该学生的各科成绩、年级、身高、体重等。可以理解的是，应该把该目标中影响对该目标进行分类的分类结果的属性确定为“预设的属性选项”，并依据“预设的属性选项”确定相应的基本属性。
33.s102、根据预先配置的映射表，将对应目标的基本属性转换为二进制数。
34.可以理解的是，该映射表中保存的是基本属性与对应的二进制结果之间的对应关系，例如可以将男用0表示、将女用1表示，将考试分数、绩效得分等量化的数值直接转换为对应的二进制数。
35.s103、将所述目标的基本属性对应的二进制数按照预先设定的顺序进行拼接，得到目标二进制序列。
36.其中，将该目标的基本属性对应的二进制数按照预先设定的顺序进行拼接是为了拼接后的二进制数的位数能够具有同一表意，例如将性别对应的二进制数放在第一位，则所有待分类的目标拼接得到的第一位均表示性别。
37.s104、获取预先挖掘得到的与每个类别相对应的匹配规则。
38.可以理解的是，需要预先挖掘出与每个类别相对应的匹配规则，在依据该匹配规则进行类别匹配时，哪个匹配规则与该目标二进制序列匹配成功则表示该待分类的目标数据所对应的目标属于哪种类别。
39.在其中一个实施例中，挖掘得到的所述匹配规则的步骤包括以下步骤 s201至s204。
40.s201、从历史数据集中提取同一对象的多个属性，并按照预设的属性选项从所述多个属性中筛选出同一对象的基本属性，所述历史数据集中包括各对象所属的类别标签。
41.在其中一个实施例中，所述类别标签包括但不限于正样本标签、负样本标签、不下雨、下小雨、下中雨、下大雨等用户自定义的标签。
42.在其中一个实施例中，在所述从历史数据集中提取同一对象的多个属性之前，还包括：
43.对所述历史数据进行预处理；
44.所述从历史数据集中提取同一对象的多个属性具体为：
45.从预处理后的所述历史数据集中提取同一对象的多个属性。
46.在其中一个实施例中，所述对历史数据进行预处理例如将历史数据中的错误的、明显违背常理的数据以及不完整的数据剔除。
47.本实施例通过在提取对象的属性之前，对用于提取对象属性的历史数据进行预处理，以便于将不完整的、错误的数据从历史数据中剔除，有利于后续通过该历史数据倒推出匹配规则时，提高各类别匹配规则的准确性，减少数据处理报错。
48.在其中一个实施例中，所述对所述历史数据进行预处理，包括：
49.获取所述历史数据中不完整的数据所对应的第一对象；
50.将与所述第一对象相关的所有数据从所述历史数据中抽取出,并将抽取出的所述第一对象相关的所有数据存储在预设路径中。
51.本实施例通过将与所述第一对象相关的所有数据从所述历史数据中抽取出,并将抽取出的所述第一对象相关的所有数据存储在预设路径中,一方面可以避免将不完整的历史数据筛选出来进入后续处理流程,使得后续流程无法正常进行,另一方面将抽取出的所述第一对象相关的数据存储在预设路径中,可以将所有不完整的数据归类保存在该预设的路径中,便于后续对错误的数据进行检查。
52.在其中一个实施例中，所述对所述历史数据进行预处理，包括：
53.识别所述历史数据中的错误数据对应的待处理属性及所述待处理属性所对应的第二对象；
54.将所述错误数据从所述待处理属性中删除，更新所述第二对象所包括的各所述属性的数据。
55.在其中一个实施例中，所述错误数据例如年龄超过200岁或小于0岁。
56.本实施例通过将错误数据从所述待处理属性中删除，可以在不影响该第二对象的其他基本属性的基础上，提高基本属性的准确性。
57.s202、根据预先配置的映射表，将各所述对象的基本属性转换为二进制数。
58.具体地，可以指定属性用m位的二进制数据来表示，以二进制数中特定位设置为1来表示属性的特定区间。对于表示类型的属性例如：对于是否下雨这一场景，可以将不下雨的编码表示为0、将下雨的编码表示为1；对于统计下雨量的场景例如：可以将不下雨编码为：0000、将下小雨编码为0001、将下大雨编码为0010等等。对于数值型的属性，可以直接将对应的数值转换为二进制数。
59.s203、将各对象的所有所述基本属性对应的二进制数按照预先设定的相同顺序进行拼接，得到二进制序列。
60.可以理解的是，当各基本属性对应的二进制数按照预先设定的顺序进行拼接之后，后续通过匹配规则对待分类的目标进行类别匹配时，该待分类的目标的各个基本属性也需要根据相同的顺序进行拼接。
61.根据本实施例的一个应用场景例如：该历史样本的基本属性包括年龄、性别、绩效分数、职位等级。该预先设定的拼接顺序例如：职位等级、绩效分数、年龄、性别。
62.其中，将各对象的所有基本属性对应的二进制数均按照预先设定的顺序进行拼接，是为了拼接后的二进制序列的各个位数能够具有同一表意，以便于在依据该二进制序列得到匹配规则时，能够进行统一的分析。例如将年龄对应的二进制数放在第二位，则所有待分类的目标拼接得到的第二位均表示年龄。
63.s204、将所有对象的二进制序列作为历史样本，根据所述历史样本的二进制序列及所述类别标签进行反推，得到对应类别的匹配规则。
64.在其中一个实施例中，所述根据所述历史样本的二进制序列及所述类别标签进行反推，得到对应标签类别的匹配规则，包括：
65.根据所述历史样本对应对象的类别标签，将类别标签相同的历史样本分为同一组；
66.将同一组历史样本的二进制序列并行对齐，获取各列中二进制数相同的列所对应的属性，作为基准属性；
67.将获取的所有基准属性的并集及各基准属性的二进制的值作为对应类别标签的匹配规则。
68.可以理解的是，在求各类别的匹配规则中包括的属性时，除了获取各列中二进制数相同的列所对应的属性，对于考试分数、绩效分数等数值型的属性，可以通过预设的满足某一分数区间的范围，判断该属性值对应的二进制值是否处于所述分数区间的范围内，若是，则将该属性确定为匹配规则中包括的基准属性。
69.在其他实施例中，还可以通过枚举法，使得匹配规则中历史样本的属性集合接受对应类别的历史样本，并拒绝其它类别的历史样本。
70.根据本实施例的一个应用场景例如:根据身高、体重等形成的某一条历史样本的二进制序列，正样本记录可能是：a＝(1,1,0,1,0,0,1,0)，一条负样本的记录可能是：b＝(0,1,0,0,1,1,0,1)。正样本p和负样本n都是由若干条记录组成的列向量。
71.在将多个正样本执行行对齐操作后，得到的正样本集合p的阵列例如：
[0072][0073]
在将多个负样本执行对齐操作后，得到的负样本集合n的阵列例如：
[0074][0075]
在该实施例中，该二进制序列的位数为8位，其中第一列、第三列、第五列、第八列中是具有相同取值的属性，且能够拒绝负样本集合n的阵列中的每个负样本，即可将第一列、第三列、第五列、第八列对应的具体属性及该属性的取值的集合作为该组类别的匹配规则的关联规则。在该实施例中，该匹配规则可以表示为k＝k
0 v k^2v k^4v k^7，其中，k^2、k^4、k^7分别代表对k2、k4、k7的值取反，该匹配规则k能接受正样本集合p中所有的正样本，以及拒绝负样本集合n中前两条负样本。
[0076]
其中，可以理解的是，还可以通过其他实施例确定各类别的匹配规则，以各对象的类别标签仅包括负样本和正样本为例，例如枚举法，每次枚举获得一个属性子式，使得属性子式能够接受正样本集合p中所有的历史样本，并能够拒绝尽可能多的负样本集合n中的历史样本，在属性子式生成后，剔除负样本集合n中被拒绝的历史样本。之后，重复上述操作，直到负样本集合n中的历史样本全被剔除，得到的所有子式合并起来即可作为关联规则。
[0077]
s105、通过各所述匹配规则对所述目标二进制序列进行匹配，将匹配成功的匹配规则的类别作为对应目标所属的类别。
[0078]
可以理解的是，所述匹配规则中包括影响该类别分类的基本属性以及各基本属性的具体取值，相同场景中不同类别的匹配规则中包括的各个基本属性相同，不同场景中的匹配规则包括的各个基本属性一般不相同，包括相同基本属性的不同匹配规则中，基本属性的取值不完全相同。
[0079]
本实施例提出的通过目标分类方法，首先从待分类的目标数据中提取多个属性，并按照与当前场景相应预设的属性选项，从多个属性中筛选出对应目标的基本属性，然后根据预先配置的映射表，将对应目标的基本属性转换为二进制数，再将各目标的基本属性对应的二进制数按照预先设定的顺序进行拼接，得到目标二进制序列，再获取预先挖掘得到的与每个类别相对应的匹配规则，最后通过各匹配规则对应的基本属性及其取值组成的关联规则，对所述目标二进制序列进行匹配，将匹配成功的匹配规则的类别作为对应目标所属的类别，使得只需要预先得到各类别匹配规则中二进制数的位数及取值，不论待分类的目标数据包括的属性多或者少，都能够依据各类别的匹配规则对最终转换得到的目标二进制序列进行匹配并分类，节约了人力，同时提高目标分类的效率和准确率。
[0080]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
[0081]
在一实施例中，提供一种目标分类的装置，该目标分类的装置与上述实施例中目标分类的方法一一对应。如图4所示，该目标分类的装置100包括属性筛选模块11、第一转换模块12、第一拼接模块13、获取模块14和匹配模块15。各功能模块详细说明如下：
[0082]
属性筛选模块11，用于从待分类的目标的目标数据中提取多个属性，并按照预设的属性选项从所述多个属性中筛选出对应目标的基本属性；
[0083]
第一转换模块12，用于根据预先配置的映射表，将对应目标的基本属性转换为二进制数；
[0084]
第一拼接模块13，用于将所述目标的基本属性对应的二进制数按照预先设定的顺序进行拼接，得到目标二进制序列；
[0085]
获取模块14，用于获取预先挖掘得到的与每个类别相对应的匹配规则；
[0086]
匹配模块15，用于通过各所述匹配规则对所述目标二进制序列进行匹配，将匹配成功的匹配规则的类别作为对应目标所属的类别。
[0087]
可以理解的是，该基本属性为影响对应目标分类结果的属性，一般姓名不属于基本属性。具体将什么属性作为基本属性可以根据具体的场景设定，例如在员工分类的场景中，可以将年龄、性别、绩效分数、职位级别作为该基本属性。所述属性选项即将能够影响分类结果的属性进行归类。
[0088]
其中，所述匹配规则中包括影响该类别分类的基本属性以及各基本属性的具体取值，相同场景中不同类别的匹配规则中包括的各个基本属性相同，不同场景中的匹配规则包括的各个基本属性一般不相同，包括相同基本属性的不同匹配规则中，基本属性的取值不完全相同。
[0089]
本实施例提出的目标分类的装置首先从待分类的目标数据中提取多个属性，并按照与当前场景相应预设的属性选项，从多个属性中筛选出对应目标的基本属性，然后根据预先配置的映射表，将对应目标的基本属性转换为二进制数，再将各目标的基本属性对应
的二进制数按照预先设定的顺序进行拼接，得到目标二进制序列，再获取预先挖掘得到的与每个类别相对应的匹配规则，最后通过各匹配规则对应的基本属性及其取值组成的关联规则，对所述目标二进制序列进行匹配，将匹配成功的匹配规则的类别作为对应目标所属的类别，使得只需要预先得到各类别匹配规则中二进制数的位数及取值，不论待分类的目标数据包括的属性多或者少，都能够依据各类别的匹配规则对最终转换得到的目标二进制序列进行匹配并分类，节约了人力，同时提高目标分类的效率和准确率。
[0090]
在其中一个实施例中，所述目标分类的装置还包括：
[0091]
基本属性筛选模块，用于从历史数据集中提取同一对象的多个属性，按照预设的属性选项从所述多个属性中筛选出同一对象的基本属性，所述历史数据集中包括各对象所属的类别标签；
[0092]
第二转换模块，用于根据预先配置的映射表，将各所述对象的基本属性转换为二进制数；
[0093]
第二拼接模块，用于将各对象的所有所述基本属性对应的二进制数按照预先设定的相同顺序进行拼接，得到二进制序列；
[0094]
反推模块，用于将所有对象的二进制序列作为历史样本，根据所述历史样本的二进制序列及所述类别标签进行反推，得到对应类别的匹配规则。
[0095]
可以理解的是，在求各类别的匹配规则中包括的属性时，除了获取各列中二进制数相同的列所对应的属性，对于考试分数、绩效分数等数值型的属性，可以通过预设的满足某一分数区间的范围，判断该属性值对应的二进制值是否处于所述分数区间的范围内，若是，则将该属性确定为匹配规则中包括的基准属性。
[0096]
在其他实施例中，还可以通过枚举法，使得匹配规则中历史样本的属性集合接受对应类别的历史样本，并拒绝其它类别的历史样本。
[0097]
在其中一个实施例中，所述反推模块进一步包括：
[0098]
分组单元，用于根据所述历史样本对应对象的类别标签，将类别标签相同的历史样本分为同一组；
[0099]
对齐单元，用于将同一组历史样本的二进制序列并行对齐，获取各列中二进制数相同的列所对应的属性，作为基准属性；
[0100]
匹配规则确定单元，用于将获取的所有基准属性的并集及各基准属性的二进制的值作为对应类别标签的匹配规则。
[0101]
在其中一个实施例中，该目标分类的装置100包括：
[0102]
预处理模块，用于对所述历史数据进行预处理；
[0103]
该属性筛选模块11具体用于从预处理后的所述历史数据集中提取同一对象的多个属性，并按照预设的属性选项从所述多个属性中筛选出对应目标的基本属性。
[0104]
在其中一个实施例中，所述对历史数据进行预处理例如将历史数据中的错误的、明显违背常理的数据以及不完整的数据剔除。
[0105]
本实施例通过在提取对象的属性之前，对用于提取对象属性的历史数据进行预处理，以便于将不完整的、错误的数据从历史数据中剔除，有利于后续通过该历史数据倒推出匹配规则时，提高各类别匹配规则的准确性，减少数据处理报错。
[0106]
在其中一个实施例中，该预处理模块进一步包括：
[0107]
第一对象获取单元，用于获取所述历史数据中不完整的数据所对应的第一对象；
[0108]
第一抽取单元，用于将与所述第一对象相关的所有数据从所述历史数据中抽取出,并将抽取出的所述第一对象相关的所有数据存储在预设路径中。
[0109]
本实施例通过将与所述第一对象相关的所有数据从所述历史数据中抽取出，并将抽取出的所述第一对象相关的所有数据存储在预设路径中，一方面可以避免将不完整的历史数据筛选出来进入后续处理流程，使得后续流程无法正常进行，另一方面将抽取出的所述第一对象相关的数据存储在预设路径中，可以将所有不完整的数据归类保存在该预设的路径中，便于后续对错误的数据进行检查。
[0110]
在另一个实施例中，该预处理模块进一步包括：
[0111]
第二对象获取单元，用于识别所述历史数据中的错误数据对应的待处理属性及所述待处理属性所对应的第二对象；
[0112]
删除单元，用于将所述错误数据从所述待处理属性中删除，更新所述第二对象所包括的各所述属性的数据。
[0113]
在其中一个实施例中，所述错误数据例如年龄超过200岁或小于0岁。
[0114]
本实施例通过将错误数据从所述待处理属性中删除，可以在不影响该第二对象的其他基本属性的基础上，提高基本属性的准确性。
[0115]
其中上述模块/单元中的“第一”和“第二”的意义仅在于将不同的模块/ 单元加以区分，并不用于限定哪个模块/单元的优先级更高或者其它的限定意义。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本技术中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式。
[0116]
关于目标分类的装置的具体限定可以参见上文中对于目标分类的方法的限定，在此不再赘述。上述目标分类的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0117]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质、内存储器。该存储介质包括非易失性存储介质和/或易失性的存储介质，该存储介质存储有操作系统、计算机程序和数据库。该内存储器为存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标分类的方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标分类的方法。
[0118]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括存储介质、内存储器。该存储介质包括非易失性存储介质和/或易失性的存储介质，该存储介质存储有操作系统和计算机程序。该内存储器为存储介质中的操作系统和计
算机程序的运行提供环境。该计算机设备的网络接口用于与外部服务器等外部设备通过网络连接通信。该计算机程序被处理器执行时以实现一种目标分类的方法。
[0119]
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中目标分类的方法的步骤，例如图2所示的步骤101至步骤105 及该方法的其它扩展和相关步骤的延伸。或者，处理器执行计算机程序时实现上述实施例中目标分类的装置的各模块/单元的功能，例如图4所示模块11 至模块15的功能。为避免重复，这里不再赘述。
[0120]
所述处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列 (field-programmable gatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
[0121]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
[0122]
所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
[0123]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中目标分类的方法的步骤，例如图2所示的步骤101至步骤105及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中目标分类的装置的各模块/单元的功能，例如图4所示模块11至模块15的功能。为避免重复，这里不再赘述。
[0124]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性和/或易失性的计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom (eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态 ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink) dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram) 等。
[0125]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上
描述的全部或者部分功能。
[0126]
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。