[发明专利]一种基于L2,1

摘要

本发明公开一种基于L2,1偏标记学习的年龄估计方法。首先获取人脸数据集的特征矩阵和标签矩阵，然后构建该方法的目标函数。为了使样本的标签分布尽可能稀疏并且求解更加简单，在目标函数中嵌入了L2,1范数；为了使相邻样本的标签分布尽可能相似，采用了流形假设的思想，在目标函数中嵌入图正则项。接着利用交替迭代方法求解优化问题，得到判别系数A(t)。最后，利用判别系数A(t)估计给定的人脸测试样本的标签分布，依据概率最大原则判定其年龄。本发明一方面充分利用了特征空间潜在的有用信息，使相邻样本的标签分布尽可能接近，有效提高了方法的准确性和鲁棒性；另一方面能够实现对候选标记集合进行消歧，准确地估计出样本的标签。

主权项

1.一种基于L_2,1偏标记学习的年龄估计方法，其特征在于，该方法具体包括以下步骤：步骤一：获取人脸数据集的特征矩阵X和标签矩阵Y，并映射到核空间上处理；步骤二：构建目标函数，在目标函数中嵌入L_2,1正则项和图正则项；设计的目标函数为：其中L(x_i,z_i,f)为损失函数，Ω(f)为模型的复杂度，Z为标签分布矩阵，z_i表示第i个样本的标签分布向量，z_j表示第j个样本的标签分布向量，为样本的k近邻图，λ₁，λ₂，λ₃，β为正则化系数；转换到核空间中，目标函数为：其中D＝diag(d₁₁,d₂₂......,d_mm)，L＝D‑W，r_ii＝1/(2||z_i||₂)，A为判别系数矩阵；步骤三：采用迭代求解交替迭代方法求解优化问题，得到训练后的判别系数矩阵A^(t)和训练后的样本标签分布矩阵Z^(t+1)；(1)初始化Z⁽⁰⁾＝Y；(2)求解A^(t):A^(t)＝(K+βI)^‑1Z^(t)                               (5)其中I为与K矩阵同行数同列数的单位矩阵；(3)求解Z^(t+1):Z^(t+1)＝(I+λ₁R^(t)+λ₂L+λ₃I)^‑1(λ₃Y+KA^(t))               (7)Z^(t+1)＝max{Z^(t+1),0}                               (8)其中(4)计算如果其中ε＞0为事先设定的阈值，则停止迭代，否则继续回到第(2)步中继续迭代；步骤四：给定人脸测试样本x，利用判别系数A^(t)估计样本的年龄y；根据判别系数A^(t),估计给定人脸测试样本的标签分布，然后依据概率最大原则判定其年龄，判别公式如下：其中l为对于每个样本的l个候选年龄标签集合，a_ij为第i个样本属于第j个标签的判别系数。