近日，我校数字孪生水利高等研究院杨晨教授团队在自适应双信息图非负矩阵领域取得进展。据悉，多视图数据聚类作为信息融合领域的重要研究方向，正面临着如何同时捕捉各视图间共享信息与特有信息的挑战。当前多视图非负矩阵方法在捕捉视图间异构性方面面临困难，传统非负矩阵分解模型难以有效协调各视图共享信息与差异性的权重分配。

为解决多视图聚类中异常值敏感性强、视图信息不均衡及流形结构难以充分建模等问题，该研究提出了自适应双信息图正则非负矩阵分解方法(MARDNMF)框架，并在以下三方面实现了关键技术创新：首先，设计了包含两组相关熵的损失函数簇，并引入数据自适应参数机制，能够依据异常点动态调节参数，从而在不同数据集上增强了模型的鲁棒性；其次，构建了一种融合相似与判别性流形信息的图正则方法，通过多尺度K近邻（KNN）分析机制，根据邻近程度对图边赋予不同权重，有效提升了图结构与数据几何之间的对应关系；最后，进一步引入了一个基于KNN的辅助算法以高效检测异常数据，辅助损失函数在非均匀分布数据下实现自动参数调节，从而优化整体聚类性能并降低对人工超参数调整的依赖。

在多个公开多视图数据集（包括文档、图像和基因数据）上的实验证明，该方法在聚类准确率、归一互信息和纯度等指标上均优于当前主流方法，尤其在高噪声环境下仍保持较强的稳定性。这一研究成果不仅在理论层面对多视图聚类提供了新视角，也为图像识别、文本分类、生物信息等实际应用中的多模态数据分析提供了有力支持。

论文以《自适应双信息图正则非负矩阵分解方法》(Auto-adjustable Dual-Information Graph Regularized NMF for Multiview Data Clustering)为题，发表于国际顶级SCI期刊《Pattern Recognition》（中科院一区，TOP期刊，影响因子7.6），论文的共同第一作者为华北水利水电大学数字孪生学院博士生李硕及其导师杨晨教授，通讯作者为华北水利水电大学水资源学院郭辉讲师。该研究得到了国家自然科学基金的支持。

全文链接：https://www.sciencedirect.com/science/article/pii/S0031320325003395?via%3Dihub