[发明专利]一种从m部图中得到极大完全子图的数据库搜索方法

权利要求书

1.一种从m部图中得到极大完全子图的数据库搜索方法，所述搜索方法应用于从人脸识别数据库，其特征在于，所述方法通过建立无向图模型，构成一个k阶极大完全子图，并通过邻接链表来存储无向图G，以正序边和最大顶点为基本量，通过剪枝法对无向图G的顶点数和k阶完全子图的计算量T_k进行计算，从而得到该极大完全子图的空间复杂度和时间复杂度，完成对极大完全子图的搜索，并将搜索结果用于人脸识别数据中，通过寻找频繁项集，大幅减少对数据库的访问，提高识别效率，所述方法包括：

S1：将不同区域人脸照片之间的相似关系图以m部无向图G表示，并构建无向图模型G，其中，G＝(V,E)是m部无向图，V表示顶点的集合，E表示边的集合；

S2：对m部图进行遍历，获取k阶完全子图；

S3：找出S2中每个k阶完全子图的最大顶点；

S4：遍历与最大顶点有边相连的顶点集合S；

S5：判断S里的每个顶点U是否与k阶图内其他顶点均有边相连，如果有，进行S6，如果无，进行S7；

S6：k阶完全子图与U合并生成k+1阶完全子图，判断k是否与m相同，如果相同，终止，如果不同，则k＝k+1，以U作为最大顶点继续遍历操作，进行S4；

S7：无法扩展，该无向图最大为N阶完全子图；

S8：通过顶点集合V，边的集合E和数组Adj三个数据，对S6和S7中获得的N阶完全子图或k阶完全子图进行伪代码换算；

S9:对S8中换算的结果，进行算法的时间复杂度和空间复杂度计算；

S10：将S9中的换算结果代入人脸识别数据库；

S11：通过寻找人脸数据库中的频繁项集，减少对数据库的访问，完成人脸识别过程。

2.根据权利要求1所述的搜索方法，其特征在于，所述S1中构建无向图模型G时，为了简化问题，设置每个顶点集合的顶点数目都为num，图G中对应每个区域的顶点集合分别记为V_i,i＝1,2,...,m，则V＝{u:u∈V_i,i＝1,2,...,m}，E＝{(u,v):u∈V_i,v∈V_j,i≠j,i,j＝1,2,...,m}。

3.根据权利要求1所述的搜索方法，其特征在于，所述S1中无向图G通过邻接链表进行存储，所述邻接链表为多条链表构成的数组，记为Adj，链表中存储正序边的链接关系，对于每一个节点中u∈V，邻接链表Adj[u]包含所有与顶点u之间且构成正序边(u,v)的结点v。

4.根据权利要求1所述的搜索方法，其特征在于，所述S8中伪代码换算方法为：

S81：k＝3，每条边(u,v)∈G.E，每个顶点x∈G.Adj[v]；

S82：令x∈G.Adj[u]，将{u,v,x}插入到表示k阶极大完全子图的集合；

S83：令k＝4:m，每一个v为A_k-1中的最大顶点，每一个x∈G.Adj[v]；

S84：令x∈G.Adj[A_k]，则v与A_k-1中的每一个顶点都相连；

S85：将A_k-1∪{x}插入到并从中删除A_k-1。

5.根据权利要求2所述的搜索方法，其特征在于，所述时间复杂度和空间复杂度计算方法如下：

S91：假设对于第k(1≤k＜m)个顶点集合中的顶点，在下标大于k每一个顶点集合中，与它有边相连的顶点的个数为常数c；

S92：假设所有的k-1阶完全图的个数是k阶完全图的k倍，且m阶完全图的个数为1，则k阶完全图的个数应该为

S93：由于最大顶点最多来自m-k+1个不同的顶点集合，则与所有最大顶点有边相连的顶点个数最多为：

S94：计算k阶完全子图的计算量：

S95：计算时间复杂度：

S96：计算空间复杂度：S＝|E|＝c*num*(m-1)＝O(num*m)。