近日，来自山西大学智能信息处理研究所的人工智能研究团队，在人工智能核心领域——无监督学习的聚类集成研究中取得重要突破。其创新成果以“Self-Constrained Clustering Ensemble”为题，成功发表于人工智能领域国际顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（简称TPAMI），该期刊影响因子高达18.6，且为中国计算机学会（CCF）推荐的人工智能领域A类期刊，代表着相关研究获得国际学界高度认可。

据悉，该论文由山西大学魏巍教授担任第一作者，梁吉业教授担任通讯作者，2023级博士生吴建国为第二作者，2022级博士生闫京与中北大学讲师郭鑫垚共同参与研究。团队此次聚焦的聚类集成技术，是无监督学习领域提升聚类效果的关键方向——通过融合多个“基聚类”结果，能有效增强聚类的稳定性与鲁棒性，为复杂数据的结构挖掘、模式识别及智能决策提供核心支撑，广泛应用于大数据分析、图像识别、生物信息处理等重要场景。

针对当前聚类集成方法存在的痛点，团队展开技术攻关：现有方法多采用“一次性融合基聚类”模式，既难以适配复杂高维数据的非线性结构，又容易受低质量基聚类干扰，导致聚类精度受限。为此，山西大学AI团队首创“迭代式聚类集成新范式”，通过动态挖掘数据中的成对约束，实现度量学习与聚类集成过程的协同优化，进而迭代生成判别性更强的基聚类。这一创新设计从根本上突破了传统方法的局限，显著提升了复杂数据的聚类精度，为大数据分析处理提供了关键技术支撑。

为验证成果有效性，团队在多个公开数据集上开展实验。结果显示，新提出的方法在聚类精度上全面优于当前主流的代表性聚类集成方法；即便在不同集成规模下，该方法仍能保持稳定优异的聚类性能，充分证明了技术的可靠性与适应性。

此次研究成果的取得，离不开多方科研资源的支持。项目依托计算智能与中文信息处理教育部重点实验室，获得国家自然科学基金项目（62276160）、山西省基础研究计划项目（202203021211291、202303021222030）及山西省留学人员科技活动项目（20240002）联合资助，体现了山西在人工智能领域科研投入的系统性与持续性。

作为国际公认的人工智能领域顶级期刊，TPAMI自1979年创刊以来，始终聚焦该领域高质量前沿研究成果，此次山西大学团队成果的刊登，不仅展现了该校在人工智能基础研究领域的硬核实力，更标志着山西省在该领域的科研水平跻身国际先进行列，为山西打造科技创新高地、推动数字经济与实体经济深度融合注入了强劲动力。

责编：张 帆丨编辑：李志刚丨投稿热线：山西科技报新媒体0351-4159175

来源：山西大学