（通讯员赵悦）西安电子科技大学协同智能系统教育部重点实验室公茂果教授、赵悦博士在计算智能领域权威期刊IEEE Transactions on Fuzzy Systems (IEEE TFS)上发表题为“Deep Fuzzy Variable C-Means Clustering Incorporated with Curriculum Learning”的学术论文，提出了一种端到端的深度模糊课程聚类网络。

端到端深度聚类方法利用深度神经网络来共同学习表征特征和聚类分配。尽管已经探索了许多对k-means友好的深度聚类模型，但现有的基于划分的方法倾向于直接实现特定数量的聚类，这存在着因样本混叠无法区分而导致的性能低下的问题，同时模型也容易陷入不好的局部最优。同时，模糊c-means聚类在特征空间中的表征学习还需要更多研究。本文针对上述问题，提出了一种深度模糊课程聚类（DFC²）方法，采用从易到难的聚类策略。首先，考虑到模糊c-means的软分配特性和原始数据局部结构的保留，构建了聚类损失和自编码器的重构损失，同时学习嵌入特征和聚类中心。其次，在约束条件中引入课程损失，使聚类按照从简单到复杂的方式进行连续合并，自动实现自下而上的深度凝聚聚类。此外，还提出了新的课程信息作为约束条件来引导属于同一类别聚类的合并。

IEEE Transactions on Fuzzy Systems是数学、信息科学和计算机领域人工智能类顶级期刊（IF 12.253），致力于发表模糊系统领域具有重要理论意义和应用价值的研究成果。目前是中科院一区、Top期刊。