近日，我院智慧水利科研团队在期刊《IEEE Transactions on Neural Networks and learning systems》（中国人工智能学会推荐期刊A类，中科院1区、JCR1区，IF=10.4）发表题为《Harmonic Fast One-Step Cut: An Efficient Strategy for Spectral Clustering Optimization》的重要研究成果。该论文以江西省水利科学院为第一完成单位，我院智慧水利研究所陈敬玮博士为第一作者、西北工业大学聂飞平教授为通讯作者。此项研究受到国家自然科学基金的资助。

该研究首次提出调和范式的图聚类模型，建立了“自然有界”的均衡数学模型。该方法不依赖于任何先验假设，建立了一种对显性主导值鲁棒的多目标优化问题，显著提升了聚类结果的均衡性和自适应性。此外，该方法提出一种可直接求解任意图切割模型离散标签的快速坐标下降法，避免了图聚类因独立离散优化所造成的信息损失。同时，该方法复杂度仅与样本个数呈线性关系，为均衡图聚类研究理论奠定了基础，能应用至大规模数据集，为分级预测、遥感图像分割、大模型知识系统等领域的数据聚类提供更广泛的实用价值。

文章链接：https://ieeexplore.ieee.org/document/10905055 doi：10.1109/TNNLS.2025.3539628