SKK-均值算法及其在人臉檢測中的應用.pdf

1、數(shù)據(jù)分析是模式識別、機器學習等領(lǐng)域的理論基礎(chǔ)。聚類是一種重要的數(shù)據(jù)分析方法，它是將物理或抽象數(shù)據(jù)的集合分組成為由彼此相似的對象組成的多個簇（Cluster）的過程。為了使聚類的結(jié)果更準確，需要利用數(shù)據(jù)本身的屬性信息，并且采用一些方法來降低錯誤率。近幾年逐漸興起的半監(jiān)督學習和核方法能有效解決這兩個問題。
　　 人臉檢測（Face Detection）是模式識別領(lǐng)域的一個典型應用問題，是指給定任意一幅圖像，判斷在這幅圖像中是否有人臉

2、出現(xiàn)，如果存在則在輸入圖像中確定所有人臉的位置、大小和姿態(tài)的過程。基于膚色特征和聚類方法的人臉檢測研究目前引起學者的廣泛關(guān)注。
　　 本文將半監(jiān)督學習策略應用到聚類算法中來指導聚類過程，提出了一種半監(jiān)督核聚類算法——SKK-均值算法。算法利用一定數(shù)量的標記樣本構(gòu)成Seed集，作為監(jiān)督信息來初始化K-均值算法的聚類中心，引導聚類過程并約束數(shù)據(jù)劃分；同時還采用了核方法把輸入數(shù)據(jù)映射到高維特征空間，并用核函數(shù)來實現(xiàn)樣本之間的距離計算。

3、在UCI數(shù)據(jù)集上進行了數(shù)值實驗，并與K-均值算法和核-K-均值算法進行了比較。
　　 基于SKK-均值算法，本文提出了一種膚色模型（Skin Color Model）算法。算法首先對輸入圖片進行預處理，然后將少量像素點進行標記作為Seed集，再使用SKK-均值算法對膚色像素進行聚類生成膚色簇。依照各個膚色簇的像素點的概率分布，可以得到膚色模型；同時，對膚色簇進行形態(tài)學處理，可以得到膚色區(qū)域，這些膚色區(qū)域可以作為候選人臉（Face