【编者按】

为进一步培养我校研究生创新能力，提高研究生综合素质，促进学校研究生教育内涵发展，特推出“优博风采”专栏，邀请校级及以上优秀博士学位论文获得者分享科研历程与学术体会、展示创新成果与学位论文等，旨在激励我校研究生秉持“不息为体，日新为道”校训精神，潜心研究、锐意创新。

本期专访人物：控制科学与工程学科博士研究生 郭继鹏

所获奖励名称：2023年北京工业大学优秀博士学位论文

【学术探索，科研挑战，个人成长】

博士阶段是一个富有学术创新和自我探索的时期，以某个特定领域展开深入研究，并挑战现有知识的边界。博士阶段也是一个持续努力和坚持不懈的阶段，科研工作常常伴随着失败和挫折，但这正是培养坚韧毅力的机会，科研的道路并不平坦，但只要保持积极的心态和对目标的执着，就能克服困难，取得突破。博士阶段也是个人成长和职业发展的阶段，合作和交流在此阶段尤为重要。博士学习生涯是一段丰富而精彩的人生经历，这段旅程培养了我的领导能力、解决问题的能力和团队合作的能力，为我的职业发展奠定了坚实的基础。

【博士论文介绍】

论文中文题目：协同表示的多视子空间聚类方法研究

论文英文题目：COORDINATED REPRESENTATION BASED MULTI-VIEW SUBSPACE CLUSTERING

作 者：郭继鹏

指导教师：孙艳丰 教授

培养单位：信息学部

学 科：控制科学与工程

论文主要贡献及创新点

多视数据的聚类分析是图像视频等多视多媒体数据高效组织和有效利用的关键手段。本论文研究图像视频等多视高维数据数据的聚类问题，聚焦于多视高维数据的协同表示和跨视语义关联性建模，满足多视数据的精确聚类需求。基于此，提出了多种改进的子空间聚类方法，突破现有的多视聚类分析方法，对图像视频等大数据高效组织和有效利用提供理论与方法支持。本文的主要创新点如下：

1.提出了一种基于全局块对角表示耦合的多视子空间聚类方法，同时获取局部视特定表示与全局一致性表示，保证了视角内特定信息与视角间共享信息的有效平衡。

2.提出了一种基于秩结构一致性约束的多视子空间聚类模型，在实现多视表示属性内容互补性的同时，能够有效挖掘跨视表示的结构关系。进一步，设计带正交约束的三因子矩阵分解策略参数化多视子空间表示，减少计算复杂度，提高模型的可拓展性。

3.提出了一种基于Logarithmic Schatten-p核范数低秩张量表示的多视子空间聚类模型，在保留多视子空间表示的互补性信息以及高阶相关性信息的同时，能够有效降低视角内噪声与视角间冗余的影响。

4.提出了数据内在属性增强的多属性子空间聚类方法，利用属性增强的互补性信息拓展数据描述的宽度和深度。

图1. 基于协同表征的多视子空间聚类

图2. 论文组织框架图

【博士期间代表性科研成果】

【与导师合影】

(图文：郭继鹏；编辑：胡春瀛；审核：高春娣、韩红桂)