2021年1月1日，IEEE知识与数据挖掘汇刊《IEEE Transactions on Knowledge and Data Engineering》正式刊发了我校计算机学院唐厂副教授与国防科技大学、北京航空航天大学以及国家超算济南中心等单位合作完成的研究成果——Cross-view Locality Preserved Diversity and Consensus Learning for Multi-view Unsupervised Feature Selection，该论文的第一作者为我校计算机学院唐厂副教授，王力哲教授为合作作者。

该论文的研究目的主要在于如何在无监督信息的情况下从多视角的数据中提取有用的特征维度，减少特征的噪声维度和无关维度对后续数据处理方法的干扰。为更好提取数据，项研究工作将不同视角的数据通过多输出回归映射到一个公有的语义标签空间，同时考虑到各个视角自己所拥有的独特信息，将该语义标签空间松弛成一个真正的标签空间和每个视角对应的噪音标签空间。

此外，考虑到数据的局部几何特性对无监督学习的重要性，该研究工作将视角内的拉普拉斯约束和视角间的拉普拉斯约束进行整体结合，提出一种跨视角的拉普拉斯约束来约束多视角数据间的局部关系。相比于以往提出的多视角无监督特征选择方法，研究结果得到了有效的提升，能够为后续学习任务选择更加有效的特征维度。

该项研究得到该项研究得到国家自然科学基金青年项目、国家自然科学面上项目以及国家自然科学基金杰出青年基金项目的资助。

论文信息：

Title: Cross-view Locality Preserved Diversity and Consensus Learning for Multi-view Unsupervised Feature Selection

Authors: Chang Tang, Xiao Zheng, Xinwang Liu, Wei Zhang, Jing Zhang, Jian Xiong, Lizhe Wang

Source: IEEE Transactions on Knowledge and Data Engineering

Published：01 January 2021

DOI: 10.1109/TKDE.2020.3048678

论文链接：https://ieeexplore.ieee.org/document/9312467