软件学院科研人员在国际人工智能领域顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（影响因子为23.6）发表了研究成果。软件学院博士研究生强倩瑶（指导教师：张斌）为第一作者撰写的论文“Multi-view Discrete Clustering: A Concise Model”（关于多视角离散聚类的简明模型）正式发表。

现如今，在大多数现有的基于图的多视角聚类方法中，图拉普拉斯矩阵的特征分解辅以后处理步骤的两阶段求解过程是获得目标离散指标矩阵的标准做法。然而，两阶段过程求解得到的结果与直接求解原始问题得到的结果会不可避免地存在偏差。此外，正确集成来自不同视角的信息对于提高多视角聚类的性能至关重要。

针对这一问题，西安交通大学软件学院张斌教授团队提出了一种称为多视角离散聚类（Multi-view Discrete Clustering, MDC）的精简模型，旨在直接求解多视角图聚类的原始问题。MDC自动权衡视角特定的相似度矩阵的贡献并整合得到一个聚合相似度矩阵，通过对聚合相似度矩阵实施图聚类直接求解离散指标矩阵。同时，团队设计了一种有效的优化算法，无需任何后处理操作的算法直接求解离散的指示矩阵，可以最大程度地服务于图聚类。此模型没有引入任何附加项，也不存在任何需要调整的超参数，以一个非常简洁的目标函数解决了基于图的多视角聚类的所有问题。合成数据集和基准数据集上的综合实验结果验证了此模型的优越性。

图1 MDC模型框架

该研究成果实现了一种十分精简的模型，从源头上解决了基于图的多视角聚类问题。