近期，山西大學(xué)智能信息處理研究所的一支科研團(tuán)隊在無監(jiān)督學(xué)習(xí)領(lǐng)域取得了顯著進(jìn)展，特別是在聚類集成技術(shù)的研究上實現(xiàn)了重要突破。他們的創(chuàng)新成果題為“Self-Constrained Clustering Ensemble”，并成功在《IEEE Transactions on Pattern Analysis and Machine Intelligence》（TPAMI）這一人工智能領(lǐng)域的頂級期刊上發(fā)表。

該研究成果由山西大學(xué)的魏巍教授作為核心貢獻(xiàn)者，攜手梁吉業(yè)教授、2023級博士生吳建國、2022級博士生閆京以及中北大學(xué)的郭鑫垚講師共同完成。他們所聚焦的聚類集成技術(shù)，在無監(jiān)督學(xué)習(xí)中扮演著至關(guān)重要的角色，通過綜合多個基礎(chǔ)聚類的結(jié)果，可以顯著提升聚類的穩(wěn)定性和魯棒性，這對于復(fù)雜數(shù)據(jù)的結(jié)構(gòu)分析、模式識別及智能決策具有深遠(yuǎn)意義。

面對現(xiàn)有聚類集成方法在處理復(fù)雜高維數(shù)據(jù)時的局限性和易受低質(zhì)量基礎(chǔ)聚類干擾的問題，山西大學(xué)的科研團(tuán)隊提出了全新的“迭代式聚類集成范式”。這一范式通過動態(tài)挖掘數(shù)據(jù)中的成對約束，實現(xiàn)了度量學(xué)習(xí)與聚類集成過程的同步優(yōu)化，從而迭代產(chǎn)生更具判別力的基礎(chǔ)聚類。這一創(chuàng)新從根本上克服了傳統(tǒng)方法的不足，顯著提高了復(fù)雜數(shù)據(jù)的聚類準(zhǔn)確性。

為了驗證這一創(chuàng)新方法的有效性，科研團(tuán)隊在多個公開數(shù)據(jù)集上進(jìn)行了實驗。實驗結(jié)果表明，新方法在聚類精度上全面超越了當(dāng)前主流的聚類集成方法，并且在不同集成規(guī)模下均保持了穩(wěn)定且優(yōu)異的性能，充分展示了其技術(shù)的可靠性和廣泛適用性。

此次研究成果的取得，得益于多方科研資源的支持。項目依托教育部重點實驗室，并獲得了國家自然科學(xué)基金項目、山西省基礎(chǔ)研究計劃項目以及山西省留學(xué)人員科技活動項目的聯(lián)合資助。這不僅彰顯了山西大學(xué)在人工智能基礎(chǔ)研究領(lǐng)域的深厚底蘊，也標(biāo)志著山西省在該領(lǐng)域的科研實力已躋身國際先進(jìn)行列。

TPAMI作為國際公認(rèn)的人工智能領(lǐng)域頂級期刊，自創(chuàng)刊以來一直聚焦于發(fā)表高質(zhì)量的前沿研究成果。山西大學(xué)團(tuán)隊此次成果的發(fā)表，不僅是對該校科研實力的有力證明，更為山西省打造科技創(chuàng)新高地、推動數(shù)字經(jīng)濟(jì)與實體經(jīng)濟(jì)深度融合提供了強有力的支撐。