MATLAB实现的改进Affinity Propagation人脸识别算法与演示系统

资 源 简 介

本项目在MATLAB中实现基于Science期刊的改进AP聚类算法，能够自动分析并识别人脸图像，完成高效聚类与识别验证。系统附带图形化界面，直观展示聚类过程，适用于人脸识别研究与教学演示。

详 情 说 明

基于改进Affinity Propagation的人脸识别算法设计与演示系统

项目介绍

本项目实现了一个完整的仿射传播聚类（AP聚类）人脸识别算法，基于Science期刊提出的AP算法理论。系统能够自动对输入的人脸图像进行聚类分析，提供直观的图形化界面展示聚类过程及结果。不仅支持自动识别不同人脸，还提供多种评估指标来验证算法性能，分析聚类效果。

功能特性

• 完整的AP聚类流程：基于经典的Affinity Propagation算法，实现从特征提取到聚类分析的全过程
• 多功能数据输入：支持直接输入人脸图像（JPG/PNG等格式）或CSV格式的特征矩阵
• 智能图像预处理：自动将彩色图像转换为灰度图像，并处理不同尺寸的输入图片
• 丰富的输出结果：

- 聚类标签文本文件 - 各类别代表性人脸的质心图（PNG格式） - 包含聚类数、迭代次数、目标函数值等指标的PDF性能报告 - 展示聚类效果的二维/三维散点图（MAT FIG格式）

• 直观的可视化界面：通过MATLAB GUI提供友好的用户交互体验

使用方法

1. 启动系统：运行主程序文件，进入图形用户界面
2. 数据输入：选择输入方式 - 可直接上传人脸图像文件夹或导入预先提取的特征矩阵CSV文件
3. 参数设置：根据需要调整AP算法的相关参数（如偏好值、阻尼系数等）
4. 执行聚类：点击运行按钮，系统将自动完成人脸聚类分析
5. 结果查看：在界面中查看聚类结果、性能指标和可视化图表
6. 结果导出：将聚类标签、质心图、性能报告和散点图保存到指定位置

系统要求

• 操作系统：Windows 7/10/11，macOS 10.14+ 或 Linux
• 软件环境：MATLAB R2018b 或更高版本
• 内存要求：至少4GB RAM（处理大规模数据集推荐8GB以上）
• 磁盘空间：至少500MB可用空间

文件说明

主程序文件统筹整个系统的运行流程，负责图形用户界面的初始化与事件响应，调用核心算法模块完成人脸图像或特征矩阵的读取与预处理，执行改进的仿射传播聚类计算，管理聚类结果的可视化展示，并处理各类输出文件的生成与保存工作。