基于P系统的共享近邻聚类算法及其面部图像处理应用

共享近邻聚类(SNN)是一种基于图的聚类算法,能够在不预设聚类数目的前提下,很好得区分彼此相似的邻近簇。然而SNN因计算开销太大,不适于处理大数据量、高属性维数据。P系统是一种并行分布式生物计算模型,具有与图灵机等价的强大计算能力。本文将SNN与P系统相结合,设计了一种含有多促进剂和多抑制剂的类细胞P系统,提出了基于该系统的膜聚类算法,称为共享近邻膜聚类算法(SNN-P)。最后,用Olivetti Face数据集验证了SNN-P在人脸识别中的有效性。理论分析表明SNN-P相比于传统聚类算法具有极低的时间复杂度,实验结果表明SNN-P对面部图像具有良好的识别能力。