近日，由市先进机电系统设计与智能控制重点实验室、学校机电工程国家级实验教学示范中心主办的学术报告会在北苑“一站式”学生社区举办。会议邀请哈尔滨工程大学杨明副教授以“多视图聚类的新型正交非负张量分解算法”为题作报告。

报告中，杨明系统阐述了多视图大规模数据分析的研究现状与挑战。他表示，随着信息技术的发展，多源异构数据的处理和分析已成为当前研究的重点和难点。针对传统非负矩阵分解（NMF）方法在处理多视角信息时存在的局限性，他详细介绍了团队提出的ONT-FOMC创新方法。该方法通过分解自适应学习的改进锚点图张量获取聚类结果，基于张量的非负正交分解有效挖掘了跨视角共享的底层结构信息。通过将分解后的张量定义为聚类指标张量和锚点指标张量，显著提升了算法的可解释性。

杨明还重点介绍了ONT-FOMC在计算复杂度和邻接图探索方面的突破。该方法使用改进的锚点图，有效降低了高维特征下的计算复杂度，采用一致的邻接图探索每个视角共享的共同局部流形。通过多个真实数据集的实验结果表明，该方法在准确性和效率上均优于现有技术。他通过深入浅出的讲解和生动的实例展示，使与会师生对这一复杂的算法有了清晰的了解。在互动环节中，现场师生就算法的工程应用价值展开热烈讨论。

此次报告会不仅拓宽了师生们的学术视野，还为相关领域的研究和教学带来了新的启发和思路，有助于推动学校在多视图聚类算法研究方向上取得新进展。