多视角学习是近年来机器学习中的热点研究领域之一,广泛应用于场景分析、图像处理及网页信息处理等多个实际应用领域。本文主要针对多视角聚类进行研究,在已有单视角判别聚类算法的基础之上,提出了一系列多视角判别聚类算法,主要研究工作如下:(1)通过在两个视角数据上进行交叉降维和聚类,首先提出了一种适用于两个视角数据的多视角判别聚类算法MVDC-2,然后将其扩展到一般的适用于n个视角的多视角判别聚类算法MVDC-n。此外,提出了一种基于margin的多视角判别聚类算法MMDC。实验结果验证了上述算法的有效性。(2)将核方法引入多视角判别聚类,分别提出了基于核的多视角判别聚类算法KMDC以及核化的基于margin的多视角判别聚类算法KMMDC,在多特征手写体数据集、ORL人脸数据库和WebKB网页数据集上验证了所提算法的性能。(3)将典型相关分析(CCA)及其判别形式(包括判别型典型相关分析算法DCCA及局部判别典型相关分析算法LDCCA)引入到多视角聚类的框架中,提出了多个基于典型相关分析的多视角判别聚类算法,在实际数据集上验证了所提算法的有效性。