近期，我院智慧水利科研团队在数据挖掘国际顶级期刊《Knowledge-Based Systems》（IF=7.6,中科院一区TOP期刊，JCR一区）发表题为《Adaptive Deep Metric Learning with harmonized loss and nearest proxy alignment for low-dimensional representation》的最新研究成果。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、江西省重点研发项目的资助。

该研究提出一种全新的深度度量学习框架，基于最近邻的思想，以同类最近邻和异类最近邻的距离损失构造了新的损失函数，较好解决了异类边际样本的非线性分类问题；通过耦合最近类代理项，降低了类别间的冗余特征影响，避免了多模态非均质子类影响判别的问题；相较于最先进方法，在图像数据集的低维嵌入上的性能提升近10%。此外，该研究为深度度量学习奠定了理论基础，为后续水利行业大模型知识库的建立、风险等级划分、图像险情识别提供有效的方法。

文章链接：https://doi.org/10.1016/j.knosys.2025.113631