11月13日下午，西南石油大学计算机与软件学院在明理楼B306举行了“梦溪湖论坛”系列讲座秋季第七讲。本次讲座主题为“可扩展的主动聚类算法研究”，由谢文波老师主讲。围绕该主题，介绍了在CIMK会议发表的论文“ACDM：An Effective and Scalable Active Clustering with Pairwise Constraint”。谢老师主要从聚类、稀疏图构造、高价值节点选择、高效查询和细化等方面展开系统讲解。

谢老师从聚类引入，介绍了传统聚类的挑战。他指出了聚类的主观性，单一数据集可以以多种有效的方式进行聚类，可以根据用户或者研究者的兴趣、倾向有不同的划分方式。由于聚类的主观性，将约束集成到聚类中变得非常重要，这使得用户能够向系统传达他们的偏好。接着介绍了半监督的聚类，它可以提前让用户在数据里进行对比，构成约束。但漫无目的、随机地去打标记，时间消耗过大。所以引出主动学习，它能自动选择关键数据，减少人工干预以提高聚类效果，去解决应用问题。传统主动学习也有不足，例如计算资源、内存支持、等待时间长等问题。

基于以上背景，谢老师团队提出了一种新的主动聚类模型（ACDM），它应用最近邻技术构建扩散图，并利用在线框架迭代细化聚类结果。谢老师指出，ACDM是从纯数据结构解决问题，时间复杂度较低，所以比较快。接着介绍了ACDM的框架：最近邻层次的最近邻构建了一个稀疏图，用于捕获复杂的数据关系；贪婪搜索策略去评估节点，动态平衡不确定性和代表性。高效的查询和细化减少了成对约束需求，采用扩散模型进行有效的标签重新分配。

谢老师接着讲解了构造稀疏图的过程。每个点都被视为一个代表点，每个代表点与其最近邻连接，形成若干个连接组件。找到新的代表点，迭代上述步骤后则构建出稀疏图。谢老师指出，稀疏图就是带有层次结构的聚类数。此外，谢老师详细讲解了高节点选择的标准，其一是代表性，探索聚类的一般分布；其二是不确定性，探索聚类之间的模糊边界。谢老师还指出了如何去平衡两个标准，以最大限度地获取信息。他建议道，在批量模式下，不确定性优先，代表性次之。针对如何评价代表性，赵老师指出同时探索代表点和离群点。对于不确定性，是采用KNN局部区域中节点聚类分布的香农熵去处理。

在讲座的互动环节，师生们积极提出问题，围绕稀疏图的稀疏性、人机交互处理纠错、聚类等细节展开了讨论。谢老师以细致的解释和丰富的实例，回应了大家的疑问。这场讲座不仅是一次知识的传递，更是一次思想的碰撞，丰富了与会者的学术认知，更是对ACDM有了深入的了解。