（通讯员 张长青）近日，人工智能领域顶级国际期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（IEEE TPAMI，影响因子为 9.455）接收了我学部的最新研究成果“Generalized Latent Multi-View Subspace Clustering”。该论文提出了一种新颖的多视图学习框架，打破了传统多视图子空间聚类的“视角内重构、视角间关联”的思路，提出“早期融合、联合学习”，构建了完备表示学习和子空间重建统一模型。基于该模型早期版本的多任务学习方法已经成功应用于婴儿脑认知发育的分析和预测，相关工作发表在医学影像分析顶级期刊IEEE Transactions on Medical Imaging（IEEE T-MI，影响因子为 6.13）上。
以上两项成果由我学部机器学习与数据挖掘实验室张长青、胡清华与悉尼大学、北卡罗来纳大学教堂山分校、斯坦福大学等机构合作完成。该实验室今年已在IJCAI 2018， AAAI 2018，ACM MM 2018，IEEE TIP，IEEE Trans. on Fuzzy Systems 和IEEE Trans. on Cybernetics等会议期刊录用和发表论文40余篇。
图一、广义多视图学习框架 （IEEE TPAMI 2018）
图二、婴儿脑认知发育分析框架 （IEEE TMI 2018）
[1] Changqing Zhang, Huazhu Fu, Qinghua Hu*, Xiaochun Cao, Yuan Xie, Dacheng Tao, Dong Xu, Generalized Latent Multi-View Subspace Clustering, IEEE Transactions on Pattern Analysis and Machine Intelligence (IEEE TPAMI), 2018. DOI: 10.1109/TPAMI.2018.2877660
[2] Changqing Zhang, Ehsan Adeli, Zhengwang Wu, Gang Li, Weili Lin, Dinggang Shen, Infant Brain Development Prediction with Latent Partial Multi-View Representation Learning, IEEE Transaction on Medical Imaging (IEEE TMI), 2018. DOI: 10.1109/TMI.2018.2874964
