近日，信息科学与工程学院（人工智能学院）“机器学习科研创新团队”在人工智能领域取得最新进展，相关成果发表在《Neurocomputing》（中科院分区2区期刊，影响因子6.5）上，论文题目为“EGBDPM: Efficient granular ball density peaks clustering for manifold data”。该文章以枣庄学院为第一署名单位，联合培养研究生张兴国为第一作者，徐丽教授为通讯作者。

针对现有粒球密度峰值聚类忽略数据分布、密度估计不充分及欧氏距离不适配流形数据的问题，本研究通过自适应粒球生成提升粒球质量，结合邻域关系进行局部密度估计，并引入球面测地线距离增强流形数据刻画能力。提出了一种可高效处理流形数据的密度峰值聚类方法，为处理复杂数据提供了全新思路。

该成果得到了国家自然科学基金项目（No.62206240）及山东省自然科学基金项目（No.ZR2020QF110）的资助。

论文链接：https://doi.org/10.1016/j.neucom.2026.133427

（文图/杨斌 编辑/陈烁如 审核/姬广华、杨振）