博彩公司排名

近日，中国计算机学会（CCF）推荐的A类国际学术会议——ACM SIGKDD KDD 2026公布了论文接收结果。十大体育博彩公司排名 江兵兵老师、盛伟国老师与研究生王中理共同完成的论文《Self-Enhanced Density Clustering for High Dimension and Low Sample Size Data》被大会正式录用。KDD是数据挖掘与知识发现领域最具影响力的顶级国际会议之一，论文录用标志着该研究成果获得了国际同行的高度认可。

论文概况

论文题目：Self-Enhanced Density Clustering for High Dimension and Low Sample Size Data

论文链接：//dl.acm.org/doi/10.1145/3770854.3780293

该研究聚焦于高维低样本量数据聚类这一重要且富有挑战性的问题。在高维稀疏场景下，传统谱聚类方法面临距离度量失效的困境，而深度聚类方法则容易在稀疏数据上产生过拟合。针对上述难题，论文提出了一种新颖的自增强密度聚类框架（Self-Enhancing Density Clustering, SEDC）。SEDC的核心思想是将聚类结构发现与嵌入表示学习整合到一个迭代增强的过程中。具体而言，该框架首先利用自适应的密度派生质心对概率化软标签进行参数化，再以软标签监督轻量级多层感知机学习低维嵌入表示；学习到的嵌入进一步为后续聚类提供更优的度量空间，从而生成更高质量的聚类标签。通过这种相互促进的反馈机制，SEDC能够逐步增强嵌入的判别能力，同时有效抑制过拟合。为验证方法的有效性，研究团队在43个具有挑战性的高维低样本量真实数据集上开展了大量对比实验。结果表明，SEDC取得了最先进的聚类性能，显著优于多种主流聚类方法。该研究为高维低样本量场景下的稳健数据聚类提供了一种原理清晰、性能优越且应用前景广阔的新思路。（图/文 洪东招 江兵兵）