作者：张陈欢; 史燕中chinesewhispers动态聚类人脸聚类代表点数据挖掘
摘要：针对Chinese Whispers算法对于小规模数据聚类随机性大,对于大规模数据聚类速度缓慢的问题,提出了一种改进的Chinese Whispers算法用于人脸的动态聚类。新增了一个阈值P,用Chinese Whispers算法对数据规模为P的数据进行聚类时,既可以保证聚类结果的稳定性,又可以保证聚类算法的高效性;利用代表点而不是所有点完成聚类更新,能够有效减少对增量数据聚类时的数据量,从而达到提升聚类速度的目的。采用CNN+ArcFace Loss方法提取人脸特征,采用余弦距离作为相似性度量的方式,采用类中心作为代表点来描述类别信息,采用增量聚类的算法架构实现对于大规模数据的人脸动态聚类,并完成在LFW、VGGFace2和CASIA-Webface三个公开人脸数据集的测试。实验结果表明,基于Chinese Whispers人脸动态聚类算法可有效提高聚类的时间效率,时间复杂性由原来的O(n 2)变为O(n p)。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
