课程学习和强化学习驱动的动态最优自洽聚类方法

成果概述

本成果是一种融合课程学习与强化学习的智能聚类算法，核心是解决传统聚类方法在动态场景下的“自洽性不足”与“最优性漂移”难题，可实现复杂动态数据的精准聚类与自适应优化，为多领域动态数据分析提供了全新技术方案。

核心创新亮点

1. 双驱动智能架构

结合课程学习的“渐进式知识传递”与强化学习的“动态决策优化”，让算法在动态数据环境中自主迭代聚类策略，平衡探索与利用效率。

2. 动态最优自洽机制

突破传统聚类算法在非平稳数据下的性能瓶颈，实现聚类结果的“动态最优性”与“内部自洽性”统一，大幅提升复杂场景下的聚类精度与稳定性。

3. 高泛化适配能力

可广泛适配工业物联网、金融风控、智慧城市等多领域动态数据场景，无需针对特定场景大量调参，具备较强的实用落地价值。

应用价值

该技术可助力企业与机构实现：

• 动态数据的实时洞察与风险预警

• 资源的智能优化配置

• 业务流程的自动化升级

为行业数字化转型提供关键技术支撑。

成果认证与团队

• 登记认证：本成果已通过广西壮族自治区科学技术情报研究所官方登记认证（登记号：2025N013Y006844），经公告无异议，技术权威性获官方认可。

• 完成单位：广西南宁西子科技有限公司（人工智能与大数据技术研发主体）、广西产学研科学研究院（产学研融合支撑单位）

• 核心团队：包奇、庄文斌、殷熙、叶甘露、莫朝森、罗玉梅