1.一种基于特征聚类和标签相似性的标签增强方法，其特征在于该方法包括以下步骤：步骤1：给定多标签面部表情识别的集合M，将集合M分成两部分，一部分是表示特征的集合F，另一部分表示标签的集合L；

步骤2：对集合M进行预处理，主要包括数据缺失值处理、数据归一化；

步骤3：通过一种基于特征聚类和标签相似性的方法找到面部表情识别a的邻近面部表情识别集合S；

步骤4：确定邻近面部表情识别集合S之后，通过标签权重的方法将面部表情识别a的标签从多标签数据状态，转化成标签分布的标签描述度；

步骤5：对所有的面部表情识别重复步骤3和4，得到标签分布的集合D；

步骤3中所述的基于特征聚类和标签相似性的方法具体是：通过计算特征聚类得到集合S1，通过计算标签相似性得到集合S2；将在集合S1和集合S2都出现的面部表情识别添加到邻近面部表情识别集合S中；

所述的特征聚类是指计算面部表情识别a的特征与其它面部表情识别的特征之间的距离，如果某个面部表情识别b的特征与面部表情识别a的特征之间的距离小于阈值，将面部表情识别b的序号加入到集合S1中；

所述的标签相似性是指面部表情识别a的标签与其它面部表情识别的标签之间的相似性，如果某个面部表情识别b的标签与面部表情识别a的标签之间的距离大于阈值，将面部表情识别b的序号加入到集合S2中；

所述距离采用以下公式计算：

其中k＝2，即欧式距离，ai，bi表示面部表情识别a，b的特征，p表示特征的个数；

所述的标签相似性采用杰卡德系数，采用以下公式计算：其中A表示面部表情识别a的标签，B表示面部表情识别b的标签；

步骤4中标签权重的方法具体是：

根据邻近面部表情识别集合S中所有面部表情识别的标签来构建矩阵；

统计矩阵中所有标签为1的个数，记为X；

统计矩阵每一列标签为1的个数，使用向量表示为：Y＝{y1,y2,…,yq}；

则标签权重LW表示为:

对标签A进行权重化，得到Z：

对Z进行归一化操作，得到LD作为面部表情识别a的标签分布的标签描述度，q表示标签的个数。

2.根据权利要求1所述的一种基于特征聚类和标签相似性的标签增强方法，其特征在于：步骤2中，数据缺失值处理和数据归一化具体是：所述数据缺失值处理采用缺失值填充，所述缺失值填充是对每一列的缺失值填充当列的众数；

所述数据归一化是将数据映射到指定的范围，具体是对原始数据线性变换，使结果值映射到[0‑1]之间。