近日，研究组23级博士研究生程俊伟作为第1作者在人工智能领域顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI）发表题为“Clustering diffusion model with frequency-signal modulation for variational graph autoencoders”的学术论文。至此，GraphAI4IE研究组成立三年来，已在TPAMI、TKDE、Information Fusion、AAAI、SIGIR、WWW、MM、 CIKM、UAI、DASFAA等CCF A、B类、Trans类、中科院1-2区、计算领域高质量科技期刊T1类发表高层次论文30余篇。

附：TPAMI论文和期刊简介  

       该论文聚焦于图聚类（社区发现）任务中的变分自编码器模型优化问题，创新性地引入频域信号调制机制，为变分图自编码器与去噪扩散模型的结合开辟了新的视角。在图机器学习领域，变分图自编码器（VGAE）被广泛应用于社区发现等任务，去噪扩散概率模型（DDPM）因其强大的生成能力被引入VGAE以增强其聚类效果。然而，DDPM扩散机制在频谱层面与VGAE对信号的偏好存在冲突。研究发现，VGAE倾向于保留低频信号而抑制高频信号，而原始 DDPM却会“全频放大”信号且难以准确表征潜在聚簇信息，进而导致频谱错配与簇结构退化等问题。为此，该论文设计了一种频域调制扩散模块，其主要特性包括：（1）基于小波变换的谱域调控。借助图小波变换增强低频、抑制高频，使扩散输出更符合VGAE的频谱偏好；（2）簇驱动的条件扩散。引入Student-t分布建模簇结构，引导扩散过程学习并保留社区边界信息；（3）插件式设计：可无缝集成至VGAE主流框架，具备良好的通用性与迁移能力。

      TPAMI由IEEE计算机学会主办，创刊于1979年，主要收录涵盖计算机视觉、模式识别、机器学习等方向的原创性研究成果，在人工智能领域具有极高的学术影响力。该期刊最新SCI影响因子为18.6，是中国计算机学会（CCF）认定的A类期刊、中科院一区TOP期刊。