近日，安徽工程大学计算机与信息学院PRiSE（Pattern Recognition and Intelligence Software Engineering）研究团队23级硕士研究生郭啸行在模式识别领域权威期刊《Pattern Recognition》（一区Top，IF 7.6）发表题为“Tensor-based incomplete multiple kernel clustering with auto-weighted late fusion alignment (TIKC-ALFA)”的研究成果，安徽工程大学为论文第一署名单位。
该研究针对不完整多核聚类中缺失核填补、核划分学习与后期融合过程割裂处理、基划分贡献差异被忽视以及高阶相关性缺失等问题，提出了一种基于张量的自动加权后期融合对齐方法。研究将三个过程整合于统一框架，利用加权基划分构建三阶张量并采用张量核范数逼近真实秩，创新性地将共识划分融入张量结构。在六个常用数据集上的实验结果证实了该方法的卓越性能。
研究主要创新点：
1. 首次将缺失核填补、基划分学习与后期融合整合为统一框架，避免了分步处理导致的次优解；
2. 提出基于权重分布的张量切片新视角，并利用张量核范数有效捕获基划分间的高阶相关性；
3. 创新性地将共识划分融入张量结构，深入挖掘了基划分与共识划分之间的强相关性。
