为进一步营造学院科研氛围，提升科研团队水平，搭建内部学术交流平台，2026年6月24日下午，信息与工程学院计算智能及应用科研团队举办院内学术交流活动。本次活动由学院院长、博士生导师徐蔚鸿教授主持，副院长杨露、院长助理李忠良分别就密度聚类算法做专题分享，学院全体专任教师参与本次交流活动。

活动伊始，徐院长围绕院内科研建设与常态化学术交流发表讲话，强调科研创新与学术交流对学科发展和教师个人成长的双重核心价值。他指出，在人工智能与大数据快速迭代的背景下，闭门科研易导致视野局限、方向滞后；常态化交流有助于打破教师间的科研壁垒、促进知识共享与思维碰撞、补齐短板；同时有助于凝练科研方向，活跃科研思维，提升竞争力。他希望全体教师积极参与后续活动，主动交流困惑与创新想法。

随后，院长助理李忠良围绕《基于密度峰值的聚类算法》作专题分享。他先概述了聚类的基本定义、核心目标、处理流程及主流分类，并聚焦基于密度峰值的聚类算法（简称：DPC算法）的基本思想和聚类中心的选取，分别对局部密度、相对距离、决策图、决策值、聚类中心判定、聚类过程等进行详细的阐释，最后对DPC算法的优点和不足进行了客观的分析，并结合算法的不足介绍了部分基于截断距离的优化、聚类中心识别准则优化、样本分配策略优化、数据预处理优化等改进设想。

副院长杨露作《DBSCAN聚类算法》主题分享。他从基本概念、算法原理、优缺点和改进思路四个维度展开。他首先对算法样本点分类及样本点间的关系进行概念介绍，然后对DBSCAN（基于密度的带有噪声的空间聚类应用）算法原理及ε-邻域半径、最小样本数量预设超参数对聚类结果的影响进行了分析，总结了DBSCAN算法能发现任意形状的簇、能进行噪声识别、对异常数据鲁棒性强、对样本顺序不敏感等特点，同时指出高维数据处理难、异构密度适配差等短板，并给出了参数自适应优化、效率提升与并行化、高维与异构数据适配、簇结构与边界点优化、混合算法融合等改进思路。

分享结束后，向诚教授结合自身学习与科研经历进行专业点评，称赞两位主讲人讲解清晰，从概念到原理，从理论研究到实践分析，从优缺点到改进方向建议，深入浅出，为学院的科研活动起到了示范作用。他表示本次分享成效突出，能够有效浓厚学院科研氛围，助力全院科研产出提质增效。

最后，徐蔚鸿院长作总结讲话。他对两位主讲人的充分准备予以肯定，同时感谢向诚教授给出专业的中肯点评，以及全院专任教师的积极参与。徐院长着重指出，学术交流是推动科研创新的重要动力，学院后续会常态化开展科研团队分享、项目复盘、论文研读等系列活动，持续活跃院内科研氛围、调动教师科研热情，稳步推进全院科研工作提质发展。