管科学院青年教师姜珍妮作为第一作者撰写的论文“Adaptive KNN and graph-based auto-weighted multi-view consensus spectral learning”在期刊《Information Sciences》2022年第609卷发表，该期刊为计算机领域顶级国际期刊，影响因子8.233，属于中科院1区TOP期刊，为我校特类期刊。

本文针对多视图学习过程中需要构造固定函数计算相似度矩阵，以及单个视图的相似度矩阵独立参与后续计算问题，提出一种基于图和自适应K近邻的多视图一致谱学习方法。该方法有效构建了单视图的相似度矩阵，设计了自适应联合优化策略获得多视图的亲和矩阵，实现了基于亲和矩阵的谱聚类操作。实验结果表明，该方法不但可以获得更高的聚类准确率，还具备较快的收敛速度和更短的处理时间，提高了算法的鲁棒性。本研究在多视图学习问题上进行了有益的理论探索，进一步丰富了多视图学习的理论和方法。

（供稿审核人：刘位龙）