[发明专利]一种文件自动分类方法

摘要

本发明涉及一种文件自动分类方法，属于数据挖掘领域，适用于资源自动归类、网络内容监管、垃圾邮件过滤、数字图书馆等。本发明方法首先抽取文件中的文本信息、图像信息、视频信息、音频信息，然后对这四类信息分别采用不同的分类方法进行分类，再将四类信息的分类结果汇总，采用决策级融合算法进行综合处理，得到最终分类结果。本发明能够得到更高准确率的文件分类结果。

主权项

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。