近日， 信息工程学院吴丹阳教授课题组与华南理工大学、西北工业大学合作，在《IEEE Transactions on Pattern Analysis and Machine Intelligence》上发表了题为“EBMGC-GNF: Efficient Balanced Multi-view Graph Clustering via Good Neighbor Fusion”的研究成果。

该研究工作系统阐述了现有多图融合与聚类方法在近邻筛选、近邻整合及簇平衡性控制方面的不足，设计了跨图可靠近邻筛选模块和基于幂函数的平衡正则项对上述问题予以解决。此外，该研究工作所设计的目标函数可以巧妙地利用图池化操作将节点级的图优化问题等价转化为超节点级的图优化问题，不仅保持了节点级模型的物理意义，同时实现了超节点级离散标签的快速优化。在实验中，所设计方法在聚类性能和效率上均达到了领先水平。

图1. 研究框架示意图

吴丹阳教授为论文第一作者，华南理工大学硕士生杨振坤为论文并列第一作者，华南理工大学徐进教授为通讯作者， 为第一署名单位。该研究受到陕西省自然科学基金（2024JC-YBQN-0700）及 青年拔尖人才启动经费（No. Z1013024002）等项目的资助，陕西省农业信息智能感知与分析工程技术研究中心等平台为本研究提供了技术支持。

《IEEE Transactions on Pattern Analysis and Machine Intelligence》为人工智能领域的标志性期刊，影响因子为23.6，是 G1类期刊。据悉，这也是我校首次以第一单位在该刊上发表学术论文。

论文链接：https://ieeexplore.ieee.org/document/10522848