(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210552434.7 (22)申请日 2022.05.19 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 聂飞平　张宇泽　裴申飞　 (74)专利代理 机构 西安凯多 思知识产权代理事 务所(普通 合伙) 61290 专利代理师 刘新琼 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于距离图优化的人脸图像聚类方法 (57)摘要 本发明涉及一种基于距离图优化的人脸图 像聚类方法。 首先， 利用数据点对间的欧式平方 距离构建数据间相似性的距离图， 并引入正则项 惩罚来平衡数据间潜在噪声对数据间相似性刻 画的误差； 然后， 以最小化数据点对间的平均距 离和为优化目标采用坐标下 降的策略进行优化 求解， 得到人脸图像的划分簇结果， 从而实现人 脸图像的聚类。 本发明较好地挖掘和利用了数据 点间的相似性信息， 具备控制聚类簇结果平衡性 和优化求解自然的创新性优势， 能够进一步提高 人脸图像的聚类性能， 使 得聚类结果更符合实际 应用的需求。 权利要求书3页 说明书7页 附图3页 CN 114926879 A 2022.08.19 CN 114926879 A 1.一种基于距离图优化的人脸图像聚类方法， 其特 征在于步骤如下： 步骤1： 对n张待聚类的人脸图像进行预处理， 对处理好的人脸图像提取其d维特征， 并 对每个数据点的d维特征做归一化处理， 得到人脸图像特征数据 其中 d为数据点的特 征数， n为数据点的个数； 步骤2： 构建人脸图像聚类的目标函数如下： 其中， F为一n行c列， 且每行元素有且仅有一个为1， 其余元素为0的指示矩阵； n为待聚 类的人脸图像数 目， c为人脸图像拟聚类的簇数目； I为单位阵， λ为正则化参数， D为距离矩 阵， 其第i行、 第j列的元 素dij的计算方式如下： 步骤3： 采用坐标 下降优化 算法对目标函数进行求 解， 具体为： 步骤3.1： 随机初始化聚类标签向量 其中yk＝m表示第k个数据 被划分到第 m个聚类簇， 即xk∈Am， Am表示第m个聚类簇集合； 并根据聚类标签向量计算每个 聚类簇所含数据数目组成的向量 步骤3.2： 根据初始化的聚类标签， 计算每个聚类簇内数据的特征和， 得到矩阵 其第k列向量tk的计算方式为： 步骤3.3： 根据初始化的聚类标签， 计算每个聚类簇内数据的二范数的平方和， 得到向 量 其第k个元 素uk的计算方式为： 步骤3.4： 计算每个数据的二范数的平方构成的向量 其第i个 元素wi的计算方式为： 步骤3.5： 根据初始化的聚类标签， 计算更新 维护使用的距离向量 其第i个元 素vi的计算方式为： 步骤3.6： 开展n个循环遍历， 基于步骤3.6.1～3.6.4将n个数据的聚类标签完成更新， 若在第i,i ＝1,2,...,n个循环中聚类簇数目出现 则跳过该样本； 步骤3.6.1： 在第i次循环中， 计算c维的中间变量 其中 表示矩阵D的 第i行去掉dii元素后其他元素按原顺序排列组成的行向量， 为指示矩阵F去掉权　利　要　求　书 1/3 页 2 CN 114926879 A 2第i行的行向量而不改变其他元素的排列次序拼接而成的指示矩阵； α F(r)的计算方式遵循 下式： 步骤3.6.2： 在第i次循环中， 继续开展c个循环遍历， 若在第j,j＝1,2,...,c个循环中 满足j＝yi， 则按下式计算 三个目标函数值分量： 若在第j,j＝1,2,. ..,c个循环中不满足j＝yi， 则按下式计算 三个目标函数值分量： 步骤3.6.3： 计算c个目标函数值， 并采用目标函数值最小发生处的值作为更新的聚类 标签y′i， 按下式判定： 步骤3.6.4： 判断更新的聚类标签y ′i和更新前的聚类标签yi是否一致， 若一致则无需操 作， 若不一致则基于下式更新维护变量： 步骤3.11： 当步骤3.6的循环从1到n完成一次后， 聚类标签向量y更新 为y'； 步骤3.12： 若y'≠y， 令y ←y'， 重复步骤3.6～3.11， 直至所有数据的聚类标签都完成一 次更新之后， 较更新前的标签不再发生变化， 迭代终止； 步骤4： 迭代终止后得到的聚类标签y'， 即为人脸图像最终划分的聚类簇结果。权　利　要　求　书 2/3 页 3 CN 114926879 A 3