近日，我校计算机与电子信息学院兰伟教授团队在多视图聚类领域取得新进展。相关研究论文以“CAFE: Cross-View Adaptive Fusion and Cluster Center Enhancement for Robust Multi-View Clustering”为题，发表于人工智能领域国际学术期刊IEEE Transactions on Pattern Analysis and Machine Intelligence。广西大学为论文第一署名单位，兰伟为论文第一作者。论文合作单位包括哈尔滨工业大学（深圳）、广西师范大学、澳大利亚格里菲斯大学、英国莱斯特大学、深圳理工大学。

同一对象往往可以从不同视角加以描述，多视图聚类旨在综合各视角信息，自动发现数据中潜在的类别。然而，直接拼接或平均不同视角的信息可能掩盖各视角独有的线索，不同视角下得到的类别中心也难以相互对应，甚至可能将实际相似的样本误判为需要拉远的对象。如何有效融合多视角信息以实现精确聚类，是多视图聚类领域的重要研究问题。

围绕上述问题，该团队提出了多视图聚类新方法CAFE，取得了三项关键进展。研究发现，CAFE可以根据视角和样本特点动态调整信息融合方式，使各类线索得到恰当利用，从而避免直接拼接或平均所造成的信息掩盖。研究进一步通过协调单个视角与融合结果之间的聚类中心，使不同视角的类别结构得以对齐，进而形成更加清晰的聚类结果。研究还借助样本之间的共同邻居关系，有效减少了相似样本被错误区分的情况。

公开数据集上的实验表明，该方法在多视角信息完整以及部分缺失时均展现出稳健的聚类性能。该研究系统构建了兼顾动态融合、中心协调与共同邻居约束的多视图聚类框架，为复杂多源数据的融合与分析提供了新思路。