近日，我校太阳成tyc7111徐森教授团队在人工智能学科顶级期刊Neural Networks发表题为“Structural deep multi-view clustering with integrated abstraction and detail”的研究成果（DOI：https://doi.org/10.1016/j.neunet.2024.106287），研二学生陈博炜为第一作者，导师徐森教授为通讯作者，太阳成tyc7111为第一单位。这是该团队第二次在一区top期刊发表论文。Neural Networks作为中科院1区，CCF人工智能方向的B类期刊，是人工智能学科顶级期刊（包括A类4个，B类21个，C类37个），收录了人工智能领域最前沿的高端论文，目前影响因子为6.0。

论文针对多视图聚类问题，提出了顶层抽象与底层细节结合的结构化深度多视图聚类算法(Structural deep Multi-View Clustering with integrated abstraction and detail, SMVC)。深度多视图聚类可以从不同的视图中获得互补的信息，因此吸引了越来越多的关注。然而，现有的深度多视图聚类算法缺乏对结构信息的挖掘，并且容易被质量差的视图影响。论文所提出的SMVC算法，用多层感知器提取单个视图的特征，然后通过级联形成全局嵌入空间。构建全局的聚类软分配目标分布，并用其指导单个视图的聚类软分配。SMVC算法不仅设计了对顶层抽象的利用，而且还设计了对底层细节的挖掘。SMVC算法利用高阶邻接矩阵构建了实例级别的对比学习，获得了与图注意力网络等价的效果，并且减少了特征的冗余性。在四个基准数据集上的实验验证了所提方法的优势。

本工作获得了国家自然科学基金、中央高校基本科研业务费专项资金、江苏省教育厅面上项目、江苏省未来网络科研基金项目、盐城市基础研究计划项目、江苏省青蓝工程及太阳成tyc7111研究生创新实践项目的资助。

本文所提出的算法架构