(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 202210789169.4 (22)申请日 2022.07.06 (71)申请人 洛阳师范学院 地址 471934 河南省洛阳市伊滨区吉庆路6 号 (72)发明人 赵鹏　李博文　张永新　郭培杰　 常志玲　赵朝锋　 (74)专利代理 机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 专利代理师 韩迎之 (51)Int.Cl. G06V 40/16(2022.01) G06V 10/771(2022.01) G06V 10/762(2022.01) (54)发明名称 一种新的基于特征选择策略的人脸图像聚 类方法及系统 (57)摘要 本发明公开了一种新的基于特征选择策略 的人脸图像聚类方法及系统， 应用于计算机人工 智能技术领域， 包括： 在投影矩阵上施加结构化 稀疏诱导范数， 构造特征选择矩阵， 结合隶属度 矩阵和簇中心矩 阵构建基于特征选择策略的人 脸图像聚类模 型； 通过迭代优化算法求解基于特 征选择策略的人脸图像聚类模型， 直至模型收 敛， 得到最优解。 本发明不仅通过在投影矩阵上 施加结构化稀疏诱导范数， 构造特征选择矩阵， 结合隶属度矩 阵和簇中心矩 阵构建基于特征选 择策略的人脸图像聚类模型， 使聚类任务和特征 选择过程相互促进， 还通过迭代优化算法得到最 优解； 通过人脸图像聚类对比试验得出： 本发明 提出的FKFS方法在大多数人脸图像数据集上优 于其他方法。 权利要求书2页 说明书8页 附图3页 CN 115131863 A 2022.09.30 CN 115131863 A 1.一种新的基于特 征选择策略的人脸图像聚类方法， 其特 征在于， 包括： 步骤(1)： 在投影矩阵上施加结构化稀疏诱导范数， 构造特征选择矩阵， 结合隶属度矩 阵和簇中心 矩阵构建基于特 征选择策略的人脸图像聚类模型； 步骤(2)： 通过迭代优化算法求解所述基于特征选择策略的人脸图像聚类模型， 直至模 型收敛， 得到最优解。 2.根据权利要求1所述的一种新的基于特征选择策略的人脸图像聚类方法， 其特征在 于， 步骤(1)中， 所述基于特 征选择策略的人脸图像聚类模型如下式： s.t.， WTW＝I， Sik ≥0， 其中， W∈Rd×p为特征选择矩阵； p为降维后的维度； β 是用来调整W的稀疏性的正则化参 数， β 越大， W的稀疏行越多； M＝[m1， m2，…， mc]∈Rp×c为低维空间中的簇中心矩阵， mk为第k个 簇中心； S是隶属度矩阵， 其中Sik表示第i个样本对第k个类的隶属度， 或者属于第k个类的概 率； T代表对矩阵或向量的转置； r是模糊指数。 3.根据权利要求2所述的一种新的基于特征选择策略的人脸图像聚类方法， 其特征在 于， 步骤(2)中， 所述迭代优化 算法如下： 当W和S固定时， 通过如下式更新M： 其中， 为原始空间中的第k个簇中心。 4.根据权利要求3所述的一种新的基于特征选择策略的人脸图像聚类方法， 其特征在 于， 步骤(2)中， 所述迭代优化 算法还包括： 当M和S固定时， 通过如下式更新 W： 其中， W的列由Sw+β D的前p个最小特征值对应的特征向量组成； D是一个对角矩阵， 第j个 对角元素为1/2| |wj||2； Tr()表示矩阵的迹 。 5.根据权利要求4所述的一种新的基于特征选择策略的人脸图像聚类方法， 其特征在 于， 步骤(2)中， 所述迭代优化 算法还包括： 当W和M固定时， 通过如下式更新S：权　利　要　求　书 1/2 页 2 CN 115131863 A 26.根据权利要求1所述的一种新的基于特征选择策略的人脸图像聚类方法， 其特征在 于， 在步骤(2)之后， 还包括： 应用所述基于特征选择策略的人脸图像聚类模型的最优解进 行人脸图像聚类试验与对比。 7.一种新的基于特 征选择策略的人脸图像聚类系统， 其特 征在于， 包括： 第一构建模块： 用于在投影矩阵上施加结构化稀疏诱 导范数， 构造特 征选择矩阵； 第二构建模块： 用于结合特征选择矩阵、 隶属度矩阵和簇中心矩阵构建基于特征选择 策略的人脸图像聚类模型； 迭代优化模块： 用于根据迭代优化算法求解所述基于特征选择策略的人脸图像聚类模 型， 直至模型收敛， 得到最优解； 试验对比模块： 用于应用所述基于特征选择策略的人脸图像聚类模型的最优解进行人 脸图像聚类试验与对比。权　利　要　求　书 2/2 页 3 CN 115131863 A 3