2025年11月3日下午2点，长沙理工大学金盆岭校区6教101教室举行了一场题为《公平聚类问题算法研究》的通识讲座。讲座由计算机学院武迪博士主讲，围绕数据挖掘中聚类算法的公平性问题与挑战，深入探讨了公平聚类的基本原理、研究进展以及当前在公平约束满足与算法效率方面面临的难题，并引导大家走近该领域的前沿方法与技术路径。

讲座首先从“聚类与公平性”的背景切入，系统介绍了聚类作为无监督学习的重要任务，及其在推荐系统、用户分组等实际场景中的广泛应用。武迪博士指出，传统聚类算法在面对性别、身高等敏感属性时，容易产生具有偏见的分类结果，难以保障群体或个体层面的公平分配，由此引出“公平聚类”这一新兴研究方向。

在讲解聚类算法应用的同时，武迪博士重点分析了公平聚类面临的两大核心挑战：群体公平与个体公平。她指出，群体公平要求每个簇中不同群体的比例符合预设约束，而个体公平则强调每个用户应被分配到其可接受的设施范围内。她通过具体问题定义和现有算法的不足，向同学们展示了在满足公平约束的同时实现聚类目标所存在的理论与技术瓶颈。

围绕“公平违反度高”“求解精度差”“缺乏统一求解框架”等问题，武迪博士介绍了当前研究中的若干前沿算法路径。在群体公平聚类方面，她重点讲解了基于随机球划分的层次分解树、动态规划与最小费用最大流相结合的技术路线；在个体公平聚类方面，则介绍了基于分割树和边缘分割技术的改进近似算法。她还进一步扩展到更广泛的受约束聚类问题，提出了设施开设费用约束下的统一近似求解框架。

在探索未来研究工作部分，武迪博士指出，公平聚类不仅是算法优化问题，更关乎伦理约束与效率之间的平衡。她鼓励同学们从“约束建模”与“结构分解”的角度入手，关注如何降低公平违反度、提升算法可扩展性，并尝试从树分解、流优化、动态规划等多个维度设计出更高效、更实用的公平聚类算法。

讲座最后，武迪博士与同学们进行了积极的互动交流，耐心解答了大家在聚类算法设计、理论分析与实际应用方面的疑问。与会学生纷纷表示，本次讲座不仅加深了他们对公平聚类基本问题和研究进展的理解，也激发了对人工智能伦理与算法公平性方向的浓厚兴趣。讲座内容扎实、逻辑清晰，不仅为大家厘清了公平聚类的技术脉络，也为未来从事数据挖掘与可信人工智能研究提供了宝贵启发。

      （文、图/武迪 一审/金帅 二审/张建明 三审/刘朝辉）