山西大学AI团队在无监督学习领域实现聚类集成新突破，成果发表于顶级期刊TPAMI

最近，山西大学智能信息处理研究所的人工智能研究团队在无监督学习领域的聚类集成技术方面取得了令人瞩目的突破，其研究成果题为“Self-Constrained Clustering Ensemble”，成功发表在国际权威期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（简称TPAMI）上。这本期刊的影响因子高达18.6，被广泛认定为人工智能领域的顶级刊物，为中国计算机学会（CCF）推荐的A类期刊，标志着该团队的研究在国际学术界得到了高度认可。

该论文的第一作者是山西大学的魏巍教授，通讯作者为梁吉业教授，论文中还有2023级博士生吴建国担任第二作者。2022级博士生闫京以及中北大学讲师郭鑫垚也参与了这项研究。团队的研究重点是无监督学习中的聚类集成技术，通过融合多个基聚类的结果提高聚类的稳定性和准确性，广泛应用于大数据分析、图像识别、生物信息处理等领域。

聚类集成技术在无监督学习中具有重要的作用，然而当前的聚类集成方法也面临一些挑战。现有的方法往往采用“一次性融合基聚类”的模式，这种方法难以适应复杂高维数据的非线性结构，且容易受到低质量基聚类的干扰，影响最终的聚类精度。在此背景下，山西大学的AI团队提出了一种“迭代式聚类集成新范式”，通过动态挖掘数据中的成对约束来实现度量学习与聚类集成过程的协同优化，从而迭代生成判别性更强的基聚类。该创新方法从根本上克服了传统方法的局限性，显著提升了对复杂数据的聚类精度，为后续的大数据分析提供了重要的技术支持。

为了验证所提出方法的有效性，山西大学团队在多个公开数据集上进行了大量实验。实验结果表明，团队提出的方法在聚类精度方面全面优于当前主流的聚类集成方法。无论是在不同集成规模下，依然展现出稳定而优异的聚类性能，这一结果充分证明了团队研究的可靠性和适应性。

这项研究成果的取得离不开多方科研资源的支持。研究项目依托计算智能与中文信息处理教育部重点实验室，获得了国家自然科学基金（项目编号62276160）、山西省基础研究计划项目（项目编号202203021211291、202303021222030）以及山西省留学人员科技活动项目（项目编号20240002）的联合支持。这些支持体现了山西大学在人工智能领域的持续科研投入和系统性布局。

TPAMI自1979年创刊以来，始终关注人工智能领域的高质量前沿研究，成为国际公认的人工智能顶级期刊。这次山西大学团队的研究成果在该刊物上的发表，不仅显示了学校在人工智能基础研究领域的强大学术实力，也标志着山西省在相关研究领域的科研水平已经达到了国际先进水平。这一成果将为山西省在科技创新领域的进一步发展注入动力，有助于推动数字经济与实体经济的深度融合。

山西大学人工智能团队在无监督学习聚类集成领域的创新研究不仅开创了新的研究思路，同时为复杂数据的处理提供了新的技术手段。这一研究不仅具有学术价值，也为实际应用提供了必要的支撑。期待未来该团队能在人工智能领域继续取得更大的突破，为推动科学与技术的发展贡献更大的力量。