基于局部化简单多核k-均值的人脸图像聚类方法及系统技术方案

本发明专利技术公开了基于局部化简单多核k

【技术实现步骤摘要】
基于局部化简单多核k
‑
均值的人脸图像聚类方法及系统


[0001]本专利技术涉及人脸图像处理的机器学习
，尤其涉及基于局部化简单多核k
‑
均值的人脸图像聚类方法及系统。

技术介绍

[0002]随着人脸识别和检索系统应用的推广，系统中人脸图像数据急剧地增长，人脸聚类技术已经成为提高系统检索效率的重要基础。人脸聚类通常是将数据库中的人脸图片信息聚成一些不同的子类，使得子类之间的相似性尽量小，子类内的相似性尽量大，这样在检索时，只需在与被检索目标相似度较高的子类内逐个识别，检索出与之相似性最大的若干记录。
[0003]k均值聚类是一种应用最为广泛的方法，其中核k均值聚类因其可以学习到样本非线性信息而被广泛研究。多核聚类提供了一个优雅的框架，通过从多个源提取互补信息来将样本分组到不同的类别中。通过高效高质量的聚类，可以大大提高数据分析的效率，节约人工成本。
[0004]通过充分考虑样本之间的关系，一种局部核对齐变量被开发。经过实验验证，这样可以提高聚类性能。通过假设一个最优核位于组合核的邻域，一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于局部化简单多核k
‑
均值的人脸图像聚类方法，其特征在于，包括步骤：S1.采集人脸图像，并对采集的人脸图像进行预处理，得到各个视图的平均核矩阵；S2.根据得到的平均核矩阵计算n个(τ
×
n)
‑
近邻矩阵；S3.根据近邻矩阵计算各个视图的局部化核矩阵；S4.根据计算得到的各个视图的局部化核矩阵构建局部化的简单多核k
‑
均值聚类目标函数；S5.采用简约梯度下降法求解构建的目标函数的极小值，得到最优的聚类划分矩阵；S6.对得到聚类划分矩阵进行k
‑
均值聚类，实现聚类。2.根据权利要求1所述的基于局部化简单多核k
‑
均值的人脸图像聚类方法，其特征在于，所述步骤S3中计算各个视图的局部化核矩阵，表示为：其中，表示各个视图的局部化核矩阵；A
(i)
表示n个(τ
×
n)
‑
近邻矩阵；K
p
表示第p个给定的核矩阵；n表示样本数；表示元素的相乘。3.根据权利要求2所述的基于局部化简单多核k
‑
均值的人脸图像聚类方法，其特征在于，所述步骤S4中简单多核k
‑
均值聚类目标函数，表示为：其中，γ表示系数向量；H表示划分矩阵；H
T
表示换分矩阵的置换；K
γ
表示由γ生成的K
p
的组合核矩阵；I
k
表示k阶单位阵。4.根据权利要求3所述的基于局部化简单多核k
‑
均值的人脸图像聚类方法，其特征在于，所述步骤S4中局部化的简单多核k
‑
均值聚类目标函数，表示为：均值聚类目标函数，表示为：其中，R
m
表示m维实数向量空间；γ
p
表示γ的第p个分量。5.根据权利要求4所述的基于局部化简单多核k
‑
均值的人脸图像聚类方法，其特征在于，所述步骤S5中求解构建的目标函数的极小值具体为：将局部化的简单多核k
‑
均值聚类目标函数简化为简单多核k
‑
均值聚类目标函数：
其中，表示元素的相乘；表示标准化的核矩阵；当A
(i)
的所有元素都设置为1时，简单多核k
‑
均值聚类目标函...

【专利技术属性】
技术研发人员：朱信忠，徐慧英，刘新旺，李苗苗，张毅，殷建平，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：