技术特征：
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.，w
t
w＝i，s
ik
≥0，其中，w∈r
d
×
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，
…
，m
c
]∈r
p
×
c
为低维空间中的簇中心矩阵，m
k
为第k个簇中心；s是隶属度矩阵，其中s
ik
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s
w
+βd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||w
j
||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：
6.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。
技术总结
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。于其他方法。于其他方法。
技术研发人员：赵鹏 李博文 张永新 郭培杰 常志玲 赵朝锋
受保护的技术使用者：洛阳师范学院
技术研发日：2022.07.06
技术公布日：2022/9/30