基于HOG-AP的人脸图像识别算法

针对仿射传播(AP)算法存在缺乏判定最优聚类结果的指标以及收敛性能不够好等问题,提出了一种基于方向梯度直方图(HOG)的AP改进算法。首先提取图像的HOG特征向量,然后引入收缩因子加速仿射传播算法的收敛过程,最后将有效性指标嵌入算法的迭代过程,监督并引导算法向着最好聚类质量的方向运行。对人脸图像进行实验,实验结果表明,基于HOG的AP改进算法可以得到更接近正确类数的结果,提高了FM值,降低了错误率。

模糊K-Harmonic Means聚类算法

对K-HarmonicMeans算法进行扩展,考虑到数据点对不同类的隶属关系,将模糊的概念应用到聚类中,提出了模糊K-HarmonicMeans算法,推导出聚类中心和模糊隶属度的迭代公式.在中心迭代聚类算法统一框架的基础上,推导出FKHM算法聚类中心的条件概率表达式以及在迭代过程中的数据加权函数表达式.最后,用Folkes&Mallows指标对聚类结果进行评价.实验表明,模糊K-HarmonicMeans(KHM)算法在聚类对于初值不敏感的同时提高了聚类结果的精确度,达到较好的聚类效果.