多模態(tài)數(shù)據(jù)融合與挖掘技術(shù)

　　隨著信息技術(shù)和各類互聯(lián)網(wǎng)平臺的快速發(fā)展，圖像、視頻、文本等多模態(tài)數(shù)據(jù)呈現(xiàn)爆發(fā)式的增長，多模態(tài)數(shù)據(jù)已經(jīng)成為大數(shù)據(jù)的主要呈現(xiàn)形式，針對海量多模態(tài)數(shù)據(jù)進行分析和處理、從多個模態(tài)中獲取知識和價值的現(xiàn)實需求越來越高。本書詳細介紹一系列前沿的多模態(tài)數(shù)據(jù)融合與挖掘方法，從多模態(tài)聚類、多模態(tài)分類等層面對多模態(tài)融合與挖掘相關(guān)進展進行介紹，具體介紹基于深度多樣圖對比學習的多模態(tài)聚類方法、基于聚類引導的自適應(yīng)結(jié)構(gòu)增強網(wǎng)絡(luò)的多模態(tài)聚類方法、基于深度子空間學習的半監(jiān)督多模態(tài)數(shù)據(jù)語義標注方法以及基于深度受限低秩子空間學習的多模態(tài)半監(jiān)督分類方法。在不同數(shù)據(jù)集上的實驗結(jié)果驗證了所介紹方法的有效性。

　　薛哲，北京郵電大學副教授，畢業(yè)于中國科學院大學，從事多媒體分析、圖像處理、機器學習等領(lǐng)域的研究工作，在國際重要刊物和著名學術(shù)會議上已發(fā)表論文十余篇。論文發(fā)表在IEEE TCSVT（CCF B類）、Information Sciences（CCF B類）、CVIU（CCF B類）等國際期刊，以及國際頂級會議AAAI（CCF A類）和知名國際會議ICME（CCF B類）等。作為核心人員先后參加了多項國家級科研項目，包括國家973課題“跨媒體語義學習與內(nèi)容理解”、國家自然科學基金重點項目“面向網(wǎng)絡(luò)事件的跨平臺異質(zhì)媒體語義協(xié)同與挖掘”和“基于時空特性的在線社交網(wǎng)絡(luò)搜索研究”等。