新闻动态
当前位置: 学院首页 > 正文
我院青年教师陈艳研究工作被多媒体国际会议 ACM MM 2025录用

近日,第33届ACM国际多媒体大会(ACM International Conference on Multimedia, ACM MM)论文录用结果揭晓,我院青年教师陈艳以第一作者身份撰写的论文《Balanced Multiple Kernel Clustering with Discrete Partition Entropy Auto Regularization》被接收发表。

ACM MM是多媒体领域的国际旗舰会议,是中国计算机协会(CCF)推荐A类会议,具有极高的学术影响力。ACM MM 2025将于2025年10月27日-31日在爱尔兰都柏林举办,大会共收到论文投稿4711篇,其中1251篇被录用,录用率为26.6%。

聚类分析作为无监督机器学习的核心任务,旨在通过数据样本的内在特征相似性进行自动分组,从而挖掘数据集中隐藏的结构模式,广泛应用于生物信息学(如单细胞 RNA 测序数据分析)、计算机视觉(如图像语义分割)和智能医疗(如疾病亚型分类)等领域。多核聚类(Multiple Kernel Clustering, MKC)作为聚类分析的重要分支,通过融合多个不同核函数的特征映射信息,解决传统单核聚类对数据分布适应性差的问题,可以有效提升复杂数据场景下的聚类性能。然而,当前MKC技术仍面临两大核心挑战:一是核图构建过程中难以有效捕捉数据的高阶非线性关系,导致核图对数据本质的表征不足;二是缺乏有效的簇平衡约束机制,影响下游任务可靠性。针对这些问题,陈艳老师团队提出创新的平衡多核聚类方法(BMKC),核心突破点集中在两个方面:一是创新优化核图构建逻辑:通过融合局部重建与高阶扩散技术,精准捕捉数据内在结构,解决传统方法核图质量不足的问题;二是引入自动平衡机制:首次设计基于分区熵的自动平衡机制,无需人工干预即可实现簇规模合理分配,高效解决聚类失衡难题,同时配套设计专属优化算法,进一步增强方法针对不同场景的适用性。文章在多领域基准数据集上实验验证,结果显示BMKC在聚类准确性与稳定性上显著优于现有方法,进一步验证了成果的有效性。

陈艳老师的研究为多核聚类领域提供了创新解决方案,也为我院交叉学科研究积累经验。未来团队将推进成果落地,我院也将持续加强学术平台建设,支持青年教师成长,助力更多成果走向国际。