罚处共享最近邻密度峰聚类算法

为解决传统密度峰聚类算法容易忽略低密度簇中心以及难以自动选择聚类中心的问题,提出罚处共享最近邻密度峰聚类算法。设计罚处系数,减少高密度簇中非中心点的共享最近邻局部密度值,降低低密度簇中心点被忽视的机率;采用迭代阈值法实现簇中心点的自动选择。在人工数据集、UCI真实数据集以及图像数据集上进行仿真实验,其结果表明,该算法能找到数据集的簇中心和簇数目,聚类精度优于相比较的其它算法,该算法是可行的、有效的。

基于多角度LBP特征的三维人脸性别分类

人脸性别分类是一个富有挑战的研究方向,目前的研究尚不完善.本文提出一种三维人脸的性别分类方法,首先对数据集进行局部区域最近邻点迭代算法(Iterative closest point,ICP)匹配,自动实现人脸正向姿态校正;对数据集人脸统一做俯仰角度的旋转,从不同视角上提取基于深度缩略图的多角度LBP(Local binary patterns)特征;再由支持向量机(Support vector machine,SVM)分类器完成训练分类.该方法在CASIA数据库上实验,对全库中性表情人脸进行性别分类,可以得到最高98.374%的正确率.