近日，我院数据挖掘与智能信息系统实验室张素兰教授指导的学术论文“Hyperbolic Concept Bottleneck Model for Interpretable Fine-grained Image Classification”被国际计算机视觉与多媒体领域顶级学术期刊《IEEE Transactions on Multimedia》（简称 TMM）正式录用。

该研究面向细粒度图像分类中模型可解释性不足、概念混淆等问题，提出了一种双曲概念瓶颈模型（Hyperbolic Concept Bottleneck Model, HCBM）。该方法首次将双曲几何空间引入概念瓶颈学习框架，利用双曲空间对层级语义结构的表达优势，增强模型对细粒度类别中关键概念特征的建模能力，在提升分类性能的同时增强了模型决策过程的可解释性，为细粒度视觉识别与可解释多媒体学习提供了新的研究思路。

TMM是电气与电子工程师协会（IEEE）旗下计算机视觉与多媒体领域的国际顶级期刊，中国计算机学会 CCF 推荐的“计算机图形学与多媒体”领域的 A 类期刊。同时，TMM是中科院计算机科学大类一区（TOP期刊），并位列JCR Q1区。其2025年影响因子为9.7。该期刊聚焦计算机视觉、多媒体信号处理、人工智能与多媒体交叉等前沿方向，在国际计算机多媒体研究领域具有广泛的影响力。

近年来，依托大数据分析与并行计算山西省重点实验室，我院围绕人工智能、多媒体理解、可解释学习与细粒度视觉识别等方向持续推进科研创新。本次论文被CCF A类期刊录用，标志着我院在人工智能与多媒体智能分析领域取得了新的重要突破，对进一步提升我校计算机科学与技术学科的学术影响力与科研水平具有积极推动作用。