报告人：唐益明，合肥工业大学教授，博导，安徽省人工智能学会智能推理专业委员会主任，中国逻辑学会非经典逻辑与计算专业委员会常务委员，CAAI人工智能逻辑专业委员会常务委员，CCF协同计算专业委员会执行委员，CAAI机器学习专业委员会委员，CAAI粒计算与知识发现专业委员会委员，CAAI人工智能基础专业委员会委员，CAA计算智能专业委员会委员，IEEE、CCF、CAAI学会高级会员、系常务副主任。主要研究领域涉及模糊推理、聚类理论、机器学习，服务于情感计算、图像处理、粒度计算等。发表论文110余篇，其中ESI热点论文2篇、ESI高被引论文3篇、一作TPAMI论文2篇，获国家授权发明专利8项、国家软件著作权登记12项。担任Information Sciences等多个SCI期刊和《智能系统学报》的编委、AAAI等10多个会议的PC Member，TPAMI等70多个SCI期刊的审稿人。担任ChineseCSCW会议的论文推荐主席、FSDM国际会议的Publication Chair、AILA国际会议的Publication Chair。获得2021年度和2022年度IEEE Access的Outstanding Associate Editor。主持国家自然科学基金项目（4项）、中国博士后科学基金特别资助项目、安徽省自然科学基金面上项目等10多项科研项目。参与国家重点研发计划项目、国家自然科学基金重点项目、863课题等20余项科研项目。

时 间：2025年12月4日（周四）下午14：00

地 点：博奕南一楼会议室

主办单位：池州学院大数据与人工智能学院

报告摘要：领域知识的引入为模糊聚类开辟了新的领域，于是出现了知识驱动和数据驱动的模糊聚类方法。为了解决这类方法中提取机制不完善和融合模式不完善的问题，提出了基于相对密度的知识提取(RDKE)方法，并在此基础上设计了知识诱导的多核模糊聚类(KMKFC)算法。进一步地，模糊聚类的评价一直是本领域的难题。模糊聚类现有的主要有效性评价指标存在分离性表征不完备、对噪声数据集性能较差等问题。为此，面向多种模糊聚类算法构建了多粒度融合（MGF）的聚类有效性评价指标。