1.一种基于L2,1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L2,1正则项和图正则项；

设计的目标函数为：

其中L(xi,zi,f)为损失函数，Ω(f)为模型的复杂度，Z为标签分布矩阵，zi表示第i个样本的标签分布向量，zj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......,dmm)，L＝D-W，rii＝1/(2||zi||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，aij为第i个样本属于第j个标签的判别系数。

2.根据权利要求1所述的一种基于L2,1偏标记学习的年龄估计方法，其特征映射到核空间之后：步骤一是获取人脸数据集的特征矩阵X和标签矩阵Y，并将样本的特征映射到核空间上进行处理，具体为：选择核函数的类型是高斯核， 其中xi，xj为第i，j个样本的特征向量，其中σ为宽度参数，得到K矩阵，于是Ω(f)＝tr(ATKA)                          (2)其中f(x)为给定样本向量x经过训练后的模型的输出，A为判别系数矩阵，Ai为第i个样本的判别系数向量，Ω(f)为模型的复杂度，k(xi,xj)为第i个样本和第j个样本之间的核内积。