本网讯（通讯员 刘倩）近日，人工智能学院、自动化学院教师强倩瑶博士以第一作者身份在人工智能国际顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（TPAMI）上发表研究成果“Multi-view Clustering via Bilaterally Constrained Anchor Graph（基于双边约束锚点图的多视角聚类）”，我校为并列第一单位。

图1. MCBG框架：多视角锚点图(B^v)是由多视角数据(X^v)预先构建的，通过自动度量不同视角的多样性贡献，将行和列的双边约束应用于多视角一致锚点图P，并在目标拉普拉斯矩阵上引入秩约束，学习结构良好的c连通一致锚点图以得到聚类指标。

传统基于图的多视角聚类（Mult-view Clustering）方法需构建大规模相似度图，依赖谱分解与后处理步骤获得聚类结果，存在计算复杂度高、内存消耗大以及后处理误差累积等问题。基于锚点图（Anchor Graph）的聚类方法通过少量代表性锚点替代全样本图，一定程度上缓解效率问题，但忽略了列分布平衡性，易导致部分高密度锚点占据主导地位，从而削弱聚类结构表达能力。该论文提出了一种“基于双边约束锚点图的多视角聚类方法（Multi-view Clustering via Bilaterally constrained anchor Graph，MCBG）”，在锚点相似度矩阵的行与列两个维度同时施加约束，有效缓解锚点分布失衡问题，提升聚类结构表达能力与稳定性，并结合拉普拉斯矩阵秩约束，构建具有c（类簇数）个连通分量的一致锚点图，实现聚类指示矩阵的直接学习。合成数据集上的实验直观验证了双边约束对于学习良好聚类结构的重要作用；公开数据集上的实验对MCBG的聚类性能进行了系统验证。MCBG兼具高效性、稳定性与参数自由等优势，在大规模异构数据分析、推荐系统以及医学影像分析等领域具有广阔应用前景。

TPAMI是人工智能领域最具影响力的期刊之一，在全球范围内享有盛誉，其最新影响因子为18.6。根据Google Scholar Citation统计，TPAMI在所有计算机工程、电子工程、人工智能相关期刊榜单上以165分的h5-index位列第1。

论文：Qiang Q, Zhang B, Hua Y, Nie F. Multi-View Clustering via Bilaterally Constrained Anchor Graph. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026.

链接：https://ieeexplore.ieee.org/document/11458690

（供稿：人工智能学院、自动化学院）