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。