买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明公开了一种知识诱导的多核模糊聚类的人脸图像分类方法，其步骤包括：1提取待聚类的人脸图像特征向量集；2获取待聚类的人脸图像特征向量集的人脸特征知识点，计算各个人脸特征向量的全局相对密度值和最小距离，得到高密度的人脸特征知识点；3在人脸特征知识点的引导下，采用模糊聚类算法对待聚类的人脸图像特征向量进行聚类；4对聚类后的人脸数据集进行标签化处理，从而得到相应人脸图像的类别标签。本发明将知识信息与多核模糊聚类方法进行结合，将具有高信息量的人脸特征知识点引入人脸聚类过程，从而能够有效识别人脸类别，并提升人脸聚类分类的准确率。

主权项：1.一种知识诱导的多核模糊聚类的人脸图像分类方法，其特征在于，包括：步骤1：采用FaceNet深度神经网络提取待聚类的人脸图像的特征向量集其中，xi表示第i个人脸特征向量；N表示人脸图像数据集的所有人脸特征向量的数量；步骤2：采用RDKE算法获取待聚类的人脸图像特征向量集X的人脸特征知识点矩阵G＝[gt]t＝1,2,…,n；其中，gt表示第t个人脸特征知识点，n表示人脸特征知识点数量；步骤2.1：设置聚类数目为C、全局相对密度阈值ερ、最小距离阈值εδ；步骤2.2：利用式1获得最邻近参数e： 式1中，h表示中间参数；表示向下取整；步骤2.3：按照式2计算第i个人脸特征向量xi的局部绝对密度ρi： 式2中，Sinn表示与第i个人脸特征向量xi距离最近的e个特征向量的集合，dij表示第i个人脸特征向量xi和第j个人脸特征向量xj之间的欧式距离；dmean表示所有人脸特征向量之间的平均距离，并有： 式3中，S表示所有人脸特征向量的索引下标集合；步骤2.4：按照式4计算第i个人脸特征向量xi到其他人脸特征向量的最小距离δi： 式4中，ρj表示第j个人脸特征向量xj的局部绝对密度；步骤2.5：根据式5计算第i个人脸特征向量xi的直接从属的数量ηi： 式5中，ζ·表示直接从属判别函数，用来判别最小距离小于阈值的其他人脸特征向量是否为第i个人脸特征向量xi的直接从属，并由式6得到； 式6中，th表示阈值，δj表示第j个人脸特征向量xj到其他人脸特征向量的最小距离，xj→xi表示第i个人脸特征向量xi是第j个人脸特征向量xj最近的高密度邻居；表示且；步骤2.6：根据式7计算第i个人脸特征向量xi的全局相对密度ρ′i： 式7中，ζ′·表示直接从属判别函数，用来判别第i个人脸特征向量xi的ηi个最近邻居范围内的其他人脸特征向量是否为第i个人脸特征向量xi的直接从属，并由式8得到； 式8中，Sηi表示包含第i个人脸特征向量xi的ηi个最近邻居的子集；步骤2.7：根据所有人脸特征向量的全局相对密度和最小距离，画出决策图，并从所述决策图中选出n个全局相对密度大于阈值ερ且最小距离大于阈值εδ的点所对应的人脸特征向量，并作为高密度的人脸特征知识点G＝[gt]t＝1,2,…,n；步骤3：在人脸特征知识点矩阵G＝[gt]t＝1,2,…,n的引导下，采用KI-MKFC算法对待聚类的人脸特征向量集X进行聚类，得到聚类后的包含人脸特征向量分类信息的模糊隶属度矩阵U，且模糊隶属度矩阵U中的每一行表示一个人脸图像特征向量；步骤3.1：定义当前迭代次数iter、第iter次迭代时的模糊隶属度矩阵Uiter以及人脸特征知识影响矩阵Riter；定义迭代停止阈值为ε，最大迭代次数为iterMax；初始化iter＝0；步骤3.2：利用式6建立第iter次迭代的目标函数 式9中，m表示模糊系数，且m＞1；p表示作用关系系数，且p＞1；表示第iter次迭代时第i个人脸特征向量xi属于第c类的模糊隶属度，并满足式10；β表示人脸特征向量和人脸特征知识点之间的一个偏移程度值，且β∈[0,1]，并由式11得到；λ表示人脸特征知识点作用项权重值，并由式12得到；γ是协方差矩阵，并由式13得到；表示第iter次迭代时在核函数特征空间中的第i个人脸特征向量xi与第c类聚类中心vc的距离，并由式14得到；表示第t个人脸特征知识点对第c类聚类中心vc的影响值；表示第iter次迭代时在核函数特征空间中的第t个高密度的人脸特征知识点gt与第c类聚类中心vc的距离，并由式15得到； 式12中，b表示中间参数； 式14和式15中，ψiter·表示第iter次迭代时人脸特征向量在对应的核特征空间中的组合特征映射，并由式16得到；表示第iter次迭代时的人脸特征向量在核函数特征空间中隐式的聚类中心，并由式18得到； 式16中，ψk·表示人脸特征向量在第k个核特征空间中的特征映射，M表示特征映射的个数；表示第iter次迭代时第k个特征映射ψk·在组合特征映射ψ·中的特征权重，且满足式17： 式18中，表示第iter次迭代时第i个人脸特征向量xi属于第c类的标准化的模糊隶属度，表示第iter次迭代时第t个高密度的人脸特征知识点gt对第c类聚类中心vc的标准化的影响值；步骤3.3：通过式19计算第iter+1次迭代的标准化的模糊隶属度和标准化的影响值 式19中，表示第iter次迭代时第j个人脸特征向量xj属于第c类的模糊隶属度；表示第iter次迭代时第t′个高密度的人脸特征知识点gt′对第c类聚类中心vc的影响值；步骤3.4：通过式20和式21分别计算第iter+1次迭代的人脸特征向量距离约简系数和人脸特征知识点距离约简系数 式20和式21中，Kk·,·表示与人脸特征向量在第k个核特征空间中的特征映射ψk·对应的基核函数，且有Kk·,·＝ψk·Tψk·；xj′表示第j′个人脸特征向量；分别表示第iter+1次迭代时第j个人脸特征向量xj和第j′个人脸特征向量xj′属于第c类的标准化的模糊隶属度；gt′、gt″分别表示第t′个高密度的人脸特征知识点和第t″个高密度的人脸特征知识点；分别表示第iter+1次迭代时第t′个高密度的人脸特征知识点gt′和第t″个高密度的人脸特征知识点gt″对第c类聚类中心vc的标准化的影响值；步骤3.5：通过式22和式23分别计算第iter+1次迭代的人脸特征作用系数和人脸特征知识点作用系数 步骤3.6：通过式24计算第iter+1次迭代的特征权重从而得到第iter+1次迭代的核函数权重矩阵 步骤3.7：通过式25和式26分别计算第iter+1次迭代的在核函数特征空间中的第i个人脸特征向量xi与第c类聚类中心vc的距离和第t个高密度的人脸特征知识点gt与第c类聚类中心vc的距离 步骤3.8：通过式27计算第iter+1次迭代的模糊隶属度从而得到第iter+1次迭代的模糊隶属度矩阵 式27中，表示第iter+1次迭代时在核函数特征空间中的第i个人脸特征向量xi与第c′类聚类中心vc′的距离；步骤3.9：通过式28更新第iter+1次迭代的高密度人脸特征知识点对聚类中心的影响值从而得到第iter+1次迭代的人脸特征知识影响矩阵 步骤3.10：将iter+1赋值给iter后，若||Uiter-Uiter-1||＜ε或者iter＞iterMax，则表示所得到的第iter次迭代的隶属度矩阵Uiter、核函数权重矩阵Witer、人脸特征知识影响矩阵Riter为最优结果，并将第iter次迭代的隶属度矩阵Uiter记为模糊隶属度矩阵U；否则，重新执行步骤3.3；步骤4：对聚类后的模糊隶属度矩阵U进行标签化处理，并取其每行的最大值所对应的列号为相应人脸图像特征向量的标签类别，从而实现人脸图像的分类。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种知识诱导的多核模糊聚类的人脸图像分类方法