[发明专利]基于核化密度峰值的人脸图片聚类方法

权利要求书

1.一种基于核化密度峰值的人脸图片聚类方法，其特征在于，所述方法包括步骤：

S1、提供一由多个人脸图像特征值构成的样本矩阵，根据核函数计算样本矩阵中任意两个数据点之间的距离值；

S2、提供所述样本矩阵对应的类簇个数c，根据所有的所述距离值以及密度峰值算法获取c个数据点作为聚类中心；

S3、根据所述聚类中心确定每个聚类簇簇表，输出聚类结果；

其中，c为大于0的正整数。

2.根据权利要求1所述的基于核化密度峰值的人脸图片聚类方法，其特征在于，上述步骤S2包括步骤：

S21、提供一聚类参数，根据所述聚类参数以及密度峰值算法获取每个数据点的局部密度值以及最小距离值；

S22、选出局部密度值以及最小距离值符合筛选条件的c个数据点作为聚类中心。

3.根据权利要求2所述的基于核化密度峰值的人脸图片聚类方法，其特征在于，每个所述数据点的局部密度值的计算方法为：

ρ_i＝∑_jf((k(d_i,d_i)-2k(d_i,d_j))+k(d_j,d_j)-d_c)

每个数据点的最小距离值为：

δi=minj:ρj>ρi(k(di,di)-2k(di,dj)+k(dj,dj))]]>

其中，i∈[1,n]，j∈[1,n]，其中n为正整数，且样本矩阵中共有n个数据点，d_i表示第i个数据点在样本矩阵中对应的数据值，d_j表示第j个数据点在样本矩阵中对应的数据值此外，函数k为核函数，d_c为所述聚类参数，ρ_i表示第i个数据点的局部密度值，δ_i表示第i个数据点的最小距离值。

4.根据权利要求2所述的基于核化密度峰值的人脸图片聚类方法，其特征在于，所述筛选条件为c个所述聚类中心点的局部密度值高于其他数据点的局部密度值；以及，任一所述聚类中心点的最小距离值高于具有与该聚类中心点的局部密度值相同的数据点的最小距离值。

5.根据权利要求1所述的基于核化密度峰值的人脸图片聚类方法，其特征在于，上述步骤S3包括步骤：

S31、根据所述聚类参数以及所述聚类中心确定每个聚类簇簇边；

S32、根据每个数据点的局部密度值分配该数据点所在类簇；

S33、输出聚类结果，显示决策图以及数据点聚类后的结果分布图。