多模态数据融合与挖掘技术

　　随着信息技术和各类互联网平台的快速发展，图像、视频、文本等多模态数据呈现爆发式的增长，多模态数据已经成为大数据的主要呈现形式，针对海量多模态数据进行分析和处理、从多个模态中获取知识和价值的现实需求越来越高。本书详细介绍一系列前沿的多模态数据融合与挖掘方法，从多模态聚类、多模态分类等层面对多模态融合与挖掘相关进展进行介绍，具体介绍基于深度多样图对比学习的多模态聚类方法、基于聚类引导的自适应结构增强网络的多模态聚类方法、基于深度子空间学习的半监督多模态数据语义标注方法以及基于深度受限低秩子空间学习的多模态半监督分类方法。在不同数据集上的实验结果验证了所介绍方法的有效性。

　　薛哲，北京邮电大学副教授，毕业于中国科学院大学，从事多媒体分析、图像处理、机器学习等领域的研究工作，在国际重要刊物和著名学术会议上已发表论文十余篇。论文发表在IEEE TCSVT（CCF B类）、Information Sciences（CCF B类）、CVIU（CCF B类）等国际期刊，以及国际顶级会议AAAI（CCF A类）和知名国际会议ICME（CCF B类）等。作为核心人员先后参加了多项国家级科研项目，包括国家973课题“跨媒体语义学习与内容理解”、国家自然科学基金重点项目“面向网络事件的跨平台异质媒体语义协同与挖掘”和“基于时空特性的在线社交网络搜索研究”等。