近日，北京林业大学理学院林草数据处理团队王荟茹课题组在人工智能领域权威期刊《Expert Systems with Applications》（中科院一区Top，影响因子7.5）上发表了题为“Deep multi-view least squares support vector machine with consistency and complementarity principle based on cross-output knowledge transfer”的研究论文。该研究聚焦于多视角学习这一当前机器学习领域的热点方向——其核心在于融合来自不同来源或不同特征表示的数据，以挖掘更全面且互补的信息，从而显著提升模型的性能与鲁棒性。
尽管已有不少支持向量机模型在多视角学习中展现出良好效果，但它们普遍面临参数调优过程耗时、模型结构较浅以及难以有效整合先验知识等挑战。针对这些问题，研究团队创新性地提出了MDCTM模型。该模型首次将深度堆叠架构引入多视角学习框架，并巧妙结合迁移学习机制来构建这一深层结构，大幅增强了模型处理复杂任务的能力。尤为值得一提的是，MDCTM通过一种高效的留一交叉验证策略，实现了对跨层知识迁移效果的自动评估与优化。理论分析进一步证实，该模型严格遵循多视角学习所要求的一致性与互补性原则。大量实验结果也表明，MDCTM在多个公开数据集上的分类性能均表现卓越。
这项工作不仅为多视角学习提供了一种全新的分类框架，还为高维数据的高效处理开辟了可行路径，展现出广阔的应用前景。展望未来，研究团队计划将该模型拓展至大规模数据场景及多任务无监督学习领域，以应对更加复杂和多样化的现实应用需求。
本论文第一作者为理学院数学与应用数学专业2022级本科生贾双睿，通讯作者为青年教师王荟茹，梁思杰、莫子仪、刘春晓和陈辰等也参与了该项研究工作。
