时间：2025年6月28日 星期六

地点：成都大学2教2113室

报告人：黄佳杰  吉佧拉根

成都大学的黄佳杰同学聚焦高维数据聚类难题，深度解读《Discriminative fuzzy K-means clustering with local structure preservation for high-dimensional data》，针对传统模糊 K-means 处理高维数据时难分冗余特征、忽略局部结构的问题，提出 DFKC 框架。其融合判别投影与 p-Laplacian 图正则化，在降维中增强特征判别性并保留局部结构，还将投影用于样本点与聚类中心，构建联合优化目标函数以调整低维数据分布。实验在 13 个数据集表现突出，Breast 数据集准确率 97.42%，较传统方法提升超 10%，ORL 人脸数据集等高维场景中保持 66.00% 精度，为高维康复数据降维提供高效方案。

随后，来自成都信息工程大学的吉佧拉根同学分享《Multi-source Selective Graph Domain Adaptation Network for cross-subject EEG emotion recognition》，针对 EEG 情感识别中个体差异导致的泛化瓶颈，提出 MSGDAN 框架。该框架通过动态图卷积网络建模脑电功能连接与区域状态，结合多源域选择策略，实现跨主题情感特征的域不变性提取。实验中，MSGDAN 在 SEED 数据集上跨主题情感分类准确率达 89.8%，较基线提升 3%；DEAP 数据集 valence 维度识别准确率 68.25%，验证了其鲁棒性，为智能康复设备情感监测及精神疾病无创评估提供技术支撑。

两篇论文分别从 “高维数据聚类算法优化” 与 “脑电信号域适应建模” 切入，展现机器学习与生物医学信号处理的交叉创新价值：DFKC 的局部结构保留机制为康复数据的特征降维提供了新范式，而 MSGDAN 的多源域选择策略则为跨患者康复方案的个性化适配提供了技术路径。