近日，我校信息工程与人工智能学院机器学习及应用团队在大规模数据快速聚类领域取得重要进展。相关研究成果“Fast Fuzzy Clustering via Sparse Anchor Graph with Manifold and Balance Regularizations”被国际著名学术期刊《Information Fusion》接收。《Information Fusion》期刊由ELSEVIER出版，是人工智能领域的著名学术期刊，聚焦于人工智能、信息融合等领域的研究，为中科院分区计算机科学一区Top期刊，最新影响因子为15.5，在计算机科学：人工智能领域排名第4。

该论文的第一作者及通讯作者为我校信息工程与人工智能学院王继奎教授，第二作者为我校信息工程与人工智能学院硕士研究生马煜棋，其他合作者包括广东工业大学博士生张翠红、我校信息工程与人工智能学院硕士研究生姚宝成、赵瑞娟副教授，以及西北工业大学聂飞平教授。

传统模糊聚类算法在实际应用中面临多重挑战：第一，交替迭代更新聚类中心与隶属度矩阵来获得聚类结果，计算效率较低，难以高效处理大规模数据集；第二，忽略数据在类簇间的分布，容易导致聚类结果极端不平衡甚至出现空簇；第三，未能充分利用数据的局部几何结构信息，数据内部的流形结构被忽视。

针对上述问题，我校机器学习及应用团队创新性地提出了一种基于锚点策略的快速聚类算法——MB-FFCSAG。该算法仅需优化隶属度矩阵，大幅提升了计算效率；同时，引入平衡正则项，有效避免了聚类结果出现极端不平衡甚至产生空簇的情况。此外，MB-FFCSAG引入了流形正则项以挖掘数据的局部结构信息，并采用锚点图近似邻接图，在局部流形结构保持的前提下，计算复杂度大幅降低。

该成果的发表，标志着我校人工智能研究逐步融入国际学术前沿。一方面，彰显了我校科研团队建设的扎实成效，依托高水平项目凝聚形成结构合理、方向聚焦的创新梯队；另一方面，为研究生培养质量提升注入强劲动能，学生在科研攻关中系统提升学术素养与创新能力。这一成果更为我校人工智能领域的学术研究与课程建设提供了有力借鉴，有效推动“科研反哺教学、教研相长”的良性循环。