近日，安徽信息工程学院计算机（大数据）学院科研工作再传捷报，学院青年教师蔡兵、孙晶晶团队的两项重要研究成果，被计算机视觉与人工智能领域国际权威期刊《Pattern Recognition》（中科院 SCI 一区 Top、CCF B 类）正式收录发表，均以我校为第一署名单位，彰显学院在计算机视觉、机器学习领域的强劲科研实力。

（图为蔡兵老师论文发表的截图）

蔡兵老师作为第一作者、戴平副教授为通信作者的论文《Robust contrastive multi-view subspace clustering》于四月率先录用。该研究聚焦多视图子空间聚类核心难题，针对传统对比学习方法依赖近邻图、易受错误样本干扰导致模型不稳定的瓶颈，创新性提出鲁棒对比多视图子空间聚类框架（RCMSC）。团队通过构建融合多视图信息的近邻图，设计统一正样本概率与可调节鲁棒对比损失，自动弱化噪声样本干扰，实现全流程抗噪优化。在8个公开标准数据集上，该模型聚类精度（ACC）、归一化互信息（NMI）等核心指标显著优于主流算法，尤其在噪声污染场景下稳定性突出。蔡兵老师长期深耕多视图聚类与子空间学习，此前已在《IEEE Transactions on Multimedia》《Knowledge-Based Systems》等高水平 SCI 期刊发表系列成果，此次再登 TOP 期刊，是其持续深耕的重要突破。

（图为孙晶晶老师论文发表的截图）

孙晶晶老师以第一作者发表论文《DBDenoiser: A Dual-Branch Self-Supervised Image Denoising Method for Real-World Scenarios》。针对真实场景图像去噪中非高斯噪声难建模、干净配对数据稀缺的痛点，团队首创双分支自监督图像去噪框架 DBDenoiser，融合频域 Haar小波自适应阈值处理与空域多尺度动态掩码，通过动态随机打乱生成伪监督信号，无需依赖干净真值图像即可高效抑制复杂噪声、精准保留图像细节。该方法在SIDD、FMDD等多个真实噪声数据集上表现优异，兼顾恢复质量与计算效率，可为医学影像、遥感图像、工业检测等视觉任务提供关键技术支撑。

两项高水平成果的产出，是计算机（大数据）学院教师科研能力的集中体现，更是学院“学术强师工程”SCI高水平论文写作专题活动的标志性成果。该专题活动聚焦论文选题、写作规范、投稿技巧等核心环节，系统提升教师学术论文撰写质量与国际发表能力，为本次两篇TOP期刊论文成功发表提供了坚实支撑。

计算机（大数据）学院将持续深化学术强师工程系列活动，引导教师紧扣工程实际开展技术攻关，以高水平科研反哺教学，浓厚科研创新氛围，全力助力电子信息硕士学位授权点建设，推动学科建设高质量发展再上新台阶。