科研导师
Prof. Chris助理教授，香港科技大学博士
导师介绍
研究领域：机器学习,计算机视觉 学术成果：以第一作者或者通讯作者在研究领域顶尖期刊/会议上发表超过20篇； 长期担任多个顶级期刊/会议的审稿人，包括IEEE TNNLS，IEEE TCYB，IEEE TIP，IEEE TMM，IEEE TCSVT，Knowledge-based systems，Information Science; Pattern Recognition 等等；
基于深度学习的多视图聚类算法研究
- 课题名称
- 基于深度学习的多视图聚类算法研究
- 学科专业
- 课题关键词
- 辅导模式
- 1对1
- 发表目标
- SCI期刊1～2区
- 课题介绍
- 在现实世界中，多视图数据广泛存在于计算机视觉、自然语言处理、生物信息学等领域。例如，同一图像可通过RGB、深度图、纹理特征等不同模态描述，同一文本可由词向量、主题分布、语义网络等多维度表征。这类数据的不同视图往往包含互补性信息，能够更全面地刻画数据本质，而单视图聚类方法因仅利用单一视角信息，难以充分挖掘数据的内在结构。传统多视图聚类方法（如基于子空间学习、图融合或矩阵分解的方法）多依赖人工设计的浅层特征，对高维、非线性数据的适应性有限，且难以有效处理视图异质性（如特征空间差异、噪声干扰）带来的挑战。 近年来，深度学习凭借强大的非线性拟合能力和特征学习能力，为多视图聚类提供了新范式。其核心在于通过神经网络自动学习深层非线性特征，将多视图数据映射到统一特征空间，并联合优化特征表示与聚类目标，从而实现更鲁棒的聚类结果。因此，研究基于深度学习的多视图聚类算法，对于提升复杂多源数据的聚类精度、推动跨模态数据分析的实际应用具有重要理论与实践意义。
导师信息
招生要求
面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。