论文题目：Unsupervised Projection via Convex-Hull Radius Minimization for Compact Cluster Representations作者与单位：Yujie Xiang, Jie Zhou (通信作者), Can Gao, Guangming Lang, Yue Guo — 深圳大学、长沙理工大学、南京航空航天大学发表时间：2026 年 (会议论文)发表地点：ICASSP 2026 - 2026 IEEE International Conference on Acoustics, Speech and Signal Processing, pp. 2541-2545DOI：10.1109/ICASSP55912.2026.11460559一、核心思想基于流形学习的降维方法 (如 LLE、t-SNE) 主要关注样本级别的局部邻域结构 (微观)，但忽略了聚类级别的整体几何性质 (宏观)。当数据天然形成紧凑的球形或凸包时，缩小整个数据集的凸包半径能间接最小化各类内部的体积，使聚类更紧凑。本文提出在投影空间中最小化整个数据集凸包的半径，同时通过相似图正则化保持局部邻域结构，联合实现宏观聚类级和微观样本级的结构保留。该方法在投影降维后直接进行kk