近日，我校智能计算团队与南京信息工程大学科研合作团队在模糊数学领域顶级期刊《IEEE Transactions on Fuzzy Systems》发表了题为“Clustering Based on Transitive Closure of Distance Functions”的研究论文。该论文第一作者为我校理学院周长杰副教授，第二作者为理学院硕士研究生刘子康，通讯作者为南京信息工程大学姚卫教授。

聚类分析作为无监督学习的核心技术，在生物信息学、社交网络分析、医学影像识别等多个领域发挥着重要作用。传统K均值（Kmeans）算法因简洁高效的优势被广泛采用，但其存在明显局限，无法有效处理环状、螺旋状等非凸或线性不可分的复杂数据集，严重制约了在实际复杂场景中的应用。研究团队针对这一核心挑战，创新性引入“传递闭包”数学工具优化距离度量函数，得到具有流形结构的超度量函数，通过挖掘样本间潜在间接关联，精准捕捉复杂数据的内在拓扑结构。该研究构建了距离函数传递闭包的数学框架，理论上证明了算法收敛性，有效解决了任意形状复杂数据的聚类难题，极大拓展了划分式聚类模型的应用边界，使其在生物序列分析、社会网络社区发现、医疗图像分割等复杂数据处理中展现出巨大潜力。

该研究得到了国家自然科学基金项目的资助。

论文链接：https://doi.org/10.1109/TFUZZ.2025.3633781